自动驾驶

Autonomous Driving with Priority-Ordered STL Specifications Under Multimodal Uncertainty

多模态不确定性下基于优先级排序STL规范的自动驾驶

Taha Bouzid, Shuhao Qi, Mircea Lazar, Sofie Haesaert

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

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

AI总结 提出一种不确定性感知的轨迹规划框架，通过信号时序逻辑的词典序优先级处理冲突目标，并结合模型预测路径积分控制实现，在仿真中验证了有效性。

ATLASFusion: Aggregation Tracking with Location-Aware Sparse Fusion for Robust Spatio-Temporal Multi-View Pedestrian Tracking

ATLASFusion：用于鲁棒时空多视角行人跟踪的位置感知稀疏融合聚合跟踪

Keisuke Toida, Taigo Sakai, Takeshi Nakamura, Hiroshi Shimizu, Kazuhiro Hotta

机构 * Meijo University（名古屋大学） ； Chubu Electric Power Co., Inc.（Chubu电力公司） 纠错

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

AI总结 本文提出ATLASFusion框架，通过稀疏透视变换、密度感知加权聚合等技术解决多视角行人跟踪的特征畸变问题，在基准测试中提升精度与鲁棒性，且计算开销极小。

Global-Local Attention Decomposition for Terrain Encoding in Humanoid Perceptive Locomotion

全局-局部注意力分解用于人形感知运动中的地形编码

Shengcheng Fu, Yang Zhang, Zhanxiang Cao, Liyun Yan, Yizhi Chen, Yunpeng Yin, Yue Gao

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Humanoid Robot (Shanghai) Co., Ltd.（人形机器人（上海）有限公司） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 提出全局-局部注意力分解（GLAD）方法，通过粗到细编码器分离全局地形感知和局部立足点选择，实现人形机器人在稀疏立足点和受限环境中的鲁棒运动。

HyperDet: 3D Object Detection with Hyper 4D Radar Point Clouds

HyperDet: 基于超4D雷达点云的3D目标检测

Yichun Xiao, Runwei Guan, Jin Jin, Fangqiang Ding

机构 * University of Edinburgh（爱丁堡大学） ； HKUST (GZ)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； MIT（麻省理工学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 提出一种与检测器无关的框架HyperDet，通过构建任务感知的超4D雷达点云，利用时空累积、跨传感器验证和多普勒引导的运动补偿以及前景生成增强，显著提升仅用雷达的3D目标检测性能。

Comments 11 pages, 3 figures, 3 tables

Minute-Scale Training for Microrobot Navigation

微型机器人导航的分钟级训练

Yinghan Sun, Aoji Zhu, Xiang Ji, Yamei Li, Jiachi Zhao, Yun Wang, Li Zhang, Huijun Gao, Lidong Yang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文针对微型机器人DRL导航训练耗时久的问题，提出含全向量化模拟器与TSR奖励框架的学习框架，将训练缩至10分钟内，支持零样本部署，可缩短设计周期、加速部署。

Bridging Object Detection and Segmentation with Polygon Detection Transformers

面向多实例分割的多边形检测变换器

Jiacheng Sun, Jiaqi Lin, Wenlong Hu, Haoyang Li, Xinghong Zhou, Chenghai Mao, Xinliang Zhang, Jianya Guo, Yuqiang Zhai, Yan Peng, Xiaomao Li

机构 * Shanghai University（上海大学） 纠错

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

AI总结 Poly-DETR通过极坐标表示将实例分割转化为稀疏顶点回归，实现更轻量的高分辨率分割，优于现有极坐标方法并在特定领域表现更优。

Comments Substantially revised and extended version with a new title, additional co-authors, new methodology, expanded experiments and analyses, and supplementary material in the appendix

SIP: Site in Pieces- A Dataset of Disaggregated Construction-Phase 3D Scans for Semantic Segmentation and Scene Understanding

SIP: 构建阶段碎片化3D扫描数据集——用于语义分割和场景理解

Seongyong Kim, Yong Kwon Cho

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 SIP数据集通过碎片化3D扫描反映施工现场实际约束，为建筑场景的语义分割和理解提供高质量基准数据。

An Extended Object Poisson Multi-Bernoulli Filter with Zero-Inflated Poisson Measurement Model Using Belief Propagation

基于零膨胀泊松模型和置信传播的扩展目标PMB滤波器

Xueqi Qiu, Yuxuan Xia, Hyowon Kim, Chaoqun Yang

专题命中 感知 ：LiDAR(abstract)

AI总结 提出一种利用粒子置信传播高效实现零膨胀泊松模型下扩展目标泊松多伯努利滤波器的方法，通过因子图分解数据关联，提高估计精度和运行速度。

Comments 24 pages, 5 figures

Optimizing Trajectory-Trees in Belief Space: An Application from Model Predictive Control to Task and Motion Planning

在信念空间中优化轨迹树：从模型预测控制到任务与运动规划的应用

Camille Phiquepal, Marc Toussaint

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO

AI总结 该研究针对部分可观测机器人规划问题，提出PO-MPC、D-AuLa算法及PO-LGP规划器，分别应用于MPC和TAMP，提升了规划性能并实现了问题规模的扩展。

Comments 42 pages

RoMeRL: Balancing Feedback Coverage and the Memory-Reward Trap in Self-Evolving Agent Memory via Reduced-Order Utility States

RoMeRL：通过降阶效用状态平衡自进化智能体记忆中的反馈覆盖与记忆-奖励陷阱

Yi Yang, Zhennan Chen, Yihong Zhuang, Tiehan Fan, Yinan Chen, Jian Li, Jian Yang, Ying Tai

机构 * Nanjing University（南京大学） ； Xiamen University（厦门大学） ； Zhejiang University（浙江大学） 纠错

专题命中 规划控制 ：occupancy(abstract)

AI总结 RoMeRL通过降阶效用状态解决自进化LLM智能体记忆的反馈分散与记忆-奖励陷阱问题，在ALFWorld等基准上显著提升任务性能、降低记忆规模与LLM调用

RealWeather: Realistic and Scene-Faithful Weather Translation with Driving World Models

RealWeather：基于驾驶世界模型的逼真且场景忠实的天气转换

Yuwei Ning, Liangzhi Wang, Yi Xiao, Zhenhua Wu, Yun Pang, Mingkun Chang, Jichang Li, Guanbin Li

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 RealWeather是一种驾驶世界模型，通过渐进式逼真度引导和场景忠实度强化学习优化实现逼真且场景忠实的天气转换，在视觉逼真度、结构保留等方面优于现有方法，支持长尾天气场景生成与零样本泛化。

Comments Under submission

Many-Body Amplification of Ligand Instabilities Driving Verwey-Type Transitions in Altermagnet CsCr$_2$S$_2$O

交替磁体CsCr$_2$S$_2$O中的轨道选择性莫特转变与关联放大的电荷有序

Xiuhua Chen, Yilin Wang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 研究揭示交替磁体CsCr$_2$S$_2$O的类Verwey金属-绝缘体转变由轨道选择性莫特转变及关联放大的电荷有序驱动，表明配体工程对稳健金属性交替磁性至关重要。

Comments 5 pages, 4 figures

Operating regimes and materials limits of nonlinear magnon dynamics in Co-doped YIG

非adiabatic磁动力学的非线性稳定化

A. M. Tishin

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种非线性磁动力学平台，用于在纳米级铁氧体结构中实现受限制的非adiabatic参数激发。通过非线性频率调节器U，研究了非线性调制如何抑制不受控制的参数增长并驱动系统向动态局部化的低占用磁动力学态发展。

Comments 54 pages, 11 figures

Stability Notions for Hospital Residents with Sizes

带容量的医院住院医生问题的稳定性概念

Haricharan Balasundaram, J B Krishnashree, Girija Limaye, Meghana Nasre

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文针对带容量的医院住院医生问题（HRS）研究基于容量的稳定性，证明该类问题必存在对应稳定匹配，给出严格优于3的近似算法，还证明最大规模该匹配问题及稳定匹配判定问题的NP难性，并提出受限场景下的稳定匹配高效算法。

Unordered Landmark Visual Navigation

无序地标视觉导航

Hao Ren, Junzhe Zhu, Yihan Li, Zetong Bi, Le Zheng, Zhi Li, Yiqing Yuan, Zhaoliang Wan, Dizhe Zhang, Lu Qi, Hui Cheng

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

AI总结 针对无序图像导航的挑战，本文提出无需时间与里程计先验的ULVN框架，通过整合建图、定位与规划，在仿真和真实场景中性能优于现有最优方法。

Comments ECCV2026 Oral & Spotlight

Unsupervised Point Cloud Registration with Self-Distillation

基于自蒸馏的无监督点云配准

Christian Löwens, Thorben Funke, André Wagner, Alexandru Paul Condurache

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

AI总结 本文针对点云配准依赖真实位姿标注的问题，提出自蒸馏无监督方法，在3DMatch基准上优于现有方法，且可泛化至汽车雷达场景。

Comments Oral at BMVC 2024