自动驾驶

Distill, Diffuse, Segment: Unsupervised 3D Semantic Segmentation for Autonomous Driving Based on Multi-Level Distillation and Graph Diffusion

Distill, Diffuse, and Semanticize (DDS): 基于多粒度蒸馏和图扩散的无标注3D场景理解

Yijing Wang, Ruonan Li, Qilin Wang, Rongqiang Zhao, Jie Liu

机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 感知 ：autonomous driving(title)；LiDAR(abstract)；driving perception(abstract)；分类 cs.CV

AI总结 DDS通过多粒度蒸馏和图扩散实现轻量级无标注3D场景理解，提升区域一致性和语义识别，实验显示在多个数据集上性能优于现有方法。

The LAIA Dataset: Labelled Attention for Intelligent Automobiles

LAIA数据集：智能汽车的标记注意力

A. Contreras, D. Porres, R. Abad, P. Cano, A. Levy, G. Villalonga, A. M. López, A. Hernández-Sabaté

机构 * Computer Vision Center（计算机视觉中心） ； Computer Science Department of Universitat Autònoma de Barcelona（巴塞罗那自治大学计算机科学系） 纠错

专题命中 端到端驾驶 ：end-to-end driving(abstract)；分类 cs.CV、cs.AI

AI总结 研究针对自动驾驶端到端驾驶范式的可解释性挑战，提出LAIA数据集，通过CARLA模拟器收集含多种数据的驾驶数据，可用于训练注意力感知模型等多种应用，并用其比较人类与模型注意力以洞察模型行为。

Comments 11 pages, 12 figures, 3 tables. Dataset and supplementary information available from the project website. Added an author who was inadvertently omitted from the previous version. No changes to the scientific content

HiTMS: A High-Throughput Multi-Stream Linguistic Steganography Framework

HiTMS：一个高通量多流语言隐写框架

Ruiyi Yan, Zhongliang Yang, Yugo Murawaki

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 HiTMS针对现有语言隐写术单流方案的局限，提出在多轮交互响应中分配秘密，通过批处理调用提高吞吐量，用自描述框架和密钥派生调度保证可恢复性，实验显示其速度提升且降低隐写分析器AUROC，并发增加时吞吐量持续提高。

LiDARDraft: Generating LiDAR Point Cloud from Versatile Inputs

LiDARDraft: 从多样化输入生成LiDAR点云

Haiyun Wei, Fan Lu, Yunwei Zhu, Zehan Zheng, Weiyi Xue, Lin Shao, Xudong Zhang, Ya Wu, Guang Chen

机构 * TongjiUniversity（同济大学） 纠错

专题命中 激光雷达 ：LiDAR(title,title_cn)；autonomous driving(abstract)；self-driving(abstract)；分类 cs.CV

AI总结 LiDARDraft通过3D布局桥梁实现从多样化输入生成可控的LiDAR点云，支持自动驾驶环境的创建。

Visibility-Aware Cooperative Tracking with Decentralized LiDAR-Based Aerial Swarms

具有视觉意识的协同空中跟踪与基于去中心化激光雷达的群体

Longji Yin, Yunfan Ren, Fangcheng Zhu, Liuyu Shi, Fanze Kong, Benxu Tang, Wenyi Liu, Ximin Lyu, Fu Zhang

机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； School of Intelligent System Engineering, Sun Yat-sen University（中山大学智能系统工程学院） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO

AI总结 本文提出了一种基于去中心化激光雷达的群体协同跟踪框架，通过SSDF度量和电势启发分布度量，实现复杂环境中的可视化目标跟踪与动态群体重构。

Robust 4D Driving Scene Reconstruction from Imperfect Visual Priors

超越完美先验：用于野外4D驾驶重建的自适应高斯图

Xiaoyun Dong, Qian Xu, Yun Wang, Yang Lu, Jen-Ming Wu, Jianping Wang

机构 * City University of Hong Kong（香港城市大学） ； Hon Hai Research Institute（鸿海研究院） 纠错

专题命中 激光雷达 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 研究针对野外4D驾驶场景重建，现有方法依赖精确先验，噪声先验下有问题。提出自适应高斯图（AGG）框架，含语义引导策略和自适应拓扑进化模块。在KITTI和Wild-30实验验证，AGG在视觉保真度和鲁棒性上优于现有方法。

Low Photon Number Non-Invasive Imaging Through Time-Varying Diffusers

低光子数非侵入式成像通过时间变化扩散器

Adrian Makowski, Wojciech Zwolinski, Pawel Szczypkowski, Bernard Gorzkowski, Sylvain Gigan, Radek Lapkiewicz

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 本研究提出了一种非侵入式成像方法，通过时间变化的散射层实现低光子数下的稳健图像重建，适用于显微镜、激光雷达和内窥镜等多种应用。

Comments 18 pages, 5 figures; 42 pages of Supplementary Information with 10 figures included

PolygMap: A Perceptive Locomotion Framework for Humanoid Robot Stair Climbing

PolygMap：用于人形机器人爬楼梯的感知式运动框架

Bingquan Li, Ning Wang, Zhicheng He, Yucong Wu, Tianwei Zhang

机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院） ； Electronic science and technology, Guangdong University of Technology（广东技术大学电子科学与技术学院） ； Leju robotics（乐居机器人） 纠错

专题命中 多传感器融合 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 本文提出PolygMap框架，通过多传感器融合构建多边形楼梯平面语义地图，在NVIDIA Orin上实现20-30Hz全身运动规划，经真实场景实验验证可高效鲁棒地完成人形机器人爬楼梯任务。

Comments Accepted by ICRA 2026

LabRobFail: A Benchmark for Robotic Failure Analysis in Chemical Self-driving Laboratory

LabRobFail：化学自动驾驶实验室中机器人故障分析的基准

Haobo Wang, Baoli Sun, Anqi Zou, Dongsheng Huang, Zelin Lv, Ning Wang, Rui Li, Dongzhan Zhou, Weiyu Guo, Zhihui Wang, Wanli Ouyang

专题命中 仿真评测 ：self-driving(title,abstract)；分类 cs.RO、cs.CV

AI总结 针对化学自动驾驶实验室中机器人可靠性受化学实验特性限制、故障数据稀缺及评估协议缺乏等问题，引入LabRobFail框架，通过注入故障构建数据集，开发专门模型，提升故障检测等能力及下游任务成功率。

Comments Under review. Haobo Wang and Baoli Sun contributed equally. Code and data: https://github.com/Su-ISE-2001/SciRobo