自动驾驶

RECO: Region-Aware Compensation for Extrinsic Perturbations in Roadside 3D Detection

RECO：用于路边3D检测中外在扰动的区域感知补偿

Junsheng Du, Zhaocheng He, Yuhuan Lu

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 针对路边3D检测中现有方法对相机外部参数敏感问题，提出RECO框架，通过预测范围边界划分场景区域，用分段6自由度姿态偏移校正外部参数，引入辅助重投影损失监督优化，实验证明其在多种偏差下优于基线且能应对不同扰动。

HGeo-TopoMap: Boosting Topological Mapping with Hierarchical Geometric Priors

HGeo-TopoMap：利用分层几何先验增强拓扑映射

Siyu Li, Kunyu Peng, Di Wen, Beiping Hou, Zhiyong Li, Kailun Yang

机构 * Zhejiang University of Science and Technology（浙江科技学院） ； Hunan University（湖南大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 感知 ：autonomous driving(abstract)；driving perception(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 针对现实环境中心线检测难题，提出HGeo-TopoMap，利用显式先验地图和隐式空间关系，设计几何自适应和一致性学习模块增强拓扑映射，在OpenLane-V2数据集上评估，提高了精度与鲁棒性，优于基线方法。

Comments The source code and model weights will be made publicly available at https://github.com/lynn-yu/HGeo-TopoMap

A Real-Time Generalized Nash Equilibrium Framework for Interaction-Aware Autonomous Driving in Mixed Traffic

用于混合交通中交互感知自动驾驶的实时广义纳什均衡框架

Nouhed Naidja, Mohamed-Cherif Rahal, Steve Pechberti, Stéphane Font, Guillaume Sandou, Marc Revilloud

专题命中 感知 ：autonomous driving(title)；分类 cs.RO

AI总结 针对自动驾驶在混合交通环境中的挑战，提出将驾驶交互建模为广义纳什均衡问题的决策框架，基于粒子群优化提出实时求解器，经实验验证能处理关键场景，求解器操作可行且收敛快。

Journal ref The 12th 2026 International Conference on Control, Decision and Information Technologies (CoDIT 2026), Jul 2026, Bari (Italy), Italy

DTIF: Robust Loop Closure Detection via Delaunay Triangle Topology in Complex Forests

DTIF：通过复杂森林中的德劳内三角拓扑进行稳健的回环检测

Xin Zhao, Jianping Li, Qin Zou, Fuxun Liang, Zhen Dong, Bisheng Yang

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Urban Design, Wuhan University（武汉大学城市设计学院） ； LIESMARS, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 针对森林环境中合并局部地图的难题，提出DTIF框架。通过提取树干地标、德劳内拓扑编码、统计筛选、一致性验证等步骤构建加权顶点对应，纳入可靠性权重到姿态估计器。实验证明该方法在边缘平台上兼顾鲁棒性、效率与可部署性，实现准确配准。

Comments 19 pages, 6 figures, 4 tables. Submitted to IEEE Transactions on Geoscience and Remote Sensing

Multi-turn RL with Structural and Performance Aware Rewards for CUDA Kernel Generation

用于 CUDA 内核生成的具有结构和性能感知奖励的多轮强化学习

Quazi Ishtiaque Mahmud, Nesreen K. Ahmed, Ali Jannesari

机构 * Iowa State University（爱荷华州立大学） ； Cisco AI Research（思科人工智能研究院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对 CUDA 内核生成，提出 CudaPerf 框架，结合可验证执行奖励与结构代码感知奖励，分离线排序和在线训练两阶段，利用执行反馈迭代细化，通过实验证明其显著优于基线，在加速和正确性上有大幅提升。

Update the Unseen Only: Minimizing AoI for Collaborative Perception through Online Learning

仅更新未见过的信息：通过在线学习最小化协作感知中的信息年龄

Yanan Ma, Zhuoyi Zhao, Zhengru Fang, Haonan An, Xianhao Chen, Yuguang Fang

专题命中 感知 ：autonomous driving(abstract)

AI总结 针对协作感知中因带宽有限致数据过时问题，提出移动感知AoI最小化框架，推导闭式表达式，开发LocMW算法，性能保证其优于基准，仿真显示该算法能大幅降低AoI并提高检测精度。

Comments 15 pages, 8 figures

Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels

通过跨模态流进行环境感知信道推断：从多模态感知到无线信道

Guangming Liang, Mingjie Yang, Dongzhu Liu, Paul Henderson, Lajos Hanzo

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） ； School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院） 纠错

专题命中 感知 ：LiDAR(abstract)

AI总结 研究在高多普勒环境下无需导频的信道推断，提出数据驱动框架将传感到信道映射设为跨模态流匹配问题，通过融合多模态特征、学习速度场等实现实时CSI估计，实验表明该方法在信道估计精度和频谱效率上优于基准。

Comments 17 pages, 15 figures, 44 references, to appear in IEEE Transactions on Mobile Computing (TMC)