自动驾驶

CoDS: Robust Collaborative Perception via Expert-driven Detection and BEV Segmentation

CoDS：基于专家驱动检测与BEV分割的鲁棒协同感知

Jinlong Wang, Yuang Jia, Junhong Lin, Nannan Li, Wei Gao

机构 * Peking University（北京大学） ； Macau University of Science and Technology（澳门科技大学） 纠错

专题命中 感知 ：BEV(title,title_cn)；分类 cs.CV

AI总结 针对多源噪声导致协同感知性能下降的问题，提出CoDS框架，通过CoRM、S-MoE和BTCI模块提升鲁棒性，在公开数据集上优于基线且抗噪稳定。

Comments 10 pages, 6 figures

MMUSV-Sim: A Perception-Oriented Simulation and Data-Generation Platform for Multi-USV Cooperative Perception

MMUSV-Sim：面向多无人水面艇协同感知的感知导向型仿真与数据生成平台

Ziao Li, Jianxiong Ye, Biao Tang, Leping Zhang, Kun Zuo, Siyu Huang, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院） ； School of Intelligent Imagery Engineering, Beijing Film Academy（北京电影学院智能影像工程学院） 纠错

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

AI总结 该研究提出基于Unreal Engine 5和Project AirSim的MMUSV-Sim仿真与数据生成平台，用于多USV协同感知，实验表明其生成的数据集可使激光雷达协同BEV船舶检测的AP@0.5达72.74，显著优于单USV方案。

WAM-Diff2: Hierarchical AR-to-Diffusion Distillation for Highly Efficient Autonomous Driving VLA

WAM-Diff2：面向高效自动驾驶视觉-语言-动作（VLA）的分层自回归到扩散蒸馏

Zhihao Zhu, Hanlin Shang, Mingwang Xu, Feipeng Cai, Zhuolin He, Yaoyi Li, Jianhua Han, Hang Xu, Siyu Zhu

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 WAM-Diff2通过三阶段分层蒸馏策略，将预训练自回归VLA模型转化为高效扩散模型，缓解暴露偏差、实现与基线相当性能，解码速度提升2.8倍，结合系统级优化后达15.1倍加速。

IRGNN: Efficient Invariant Radar Graph Neural Network for Radar Point Cloud Object Detection

IRGNN：用于雷达点云目标检测的高效不变雷达图神经网络

Xiao Guo, Wanke Xia, Lili Yang, Caicong Wu

机构 * China Agricultural University（中国农业大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 针对雷达点云稀疏无序、信息不足难以适配现有激光雷达方法的问题，提出IRGNN，通过不变特征设计、改进MPNN及任务头实现目标检测，在RadarScenes数据集上性能更优且推理效率更高。

Comments Accepted at ICONIP 2026

Coverage Aware Active Evaluation for Failure Discovery with Paired Systems

面向配对系统故障发现的覆盖率感知主动评估

Anjali Parashar, Rachel Luo, Apoorva Sharma, Sushant Veer, Edward Schmerling, Carson Sobolewski, Mingxin Yu, Chuchu Fan, Marco Pavone

机构 * Laboratory of Information & Decision Systems (LIDS), MIT（麻省理工学院信息与决策系统实验室（LIDS）） ； NVIDIA Research（英伟达研究院） 纠错

专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO、cs.AI

AI总结 该研究针对自主系统故障发现难题，提出结合代理评估与残差建模、支持感知互信息目标的自适应方法，在三类任务中发现的故障数是基线的两倍。

Comments 9 main pages followed by Appendix, total 21 pages, 12 figures

OctoSplat: Hybrid OctoMap-Gaussian Splatting for Active Semantic Mapping and Phenotyping with Horticultural Robots

利用高斯点云进行园艺环境的主动语义映射

Jose Cuaran, Naveen K. Uppalapati, Girish Chowdhary

机构 * the Siebel School of Computing and Data Science（塞比尔计算与数据科学学院） ； the Department of Agricultural and Biological Engineering（农业与生物工程系） ； National Center for Supercomputing Applications at University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算中心） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出利用移动机械臂和高斯点云进行园艺环境主动3D重建，提升重建精度与效率，实现水果计数和体积估算。

Comments 23 pages, 12 figures

MoE Expert Execution in Disaggregated LLM Serving with a High-Bandwidth ReRAM Near-Memory Architecture

采用高带宽ReRAM近内存架构的分散式大语言模型（LLM）服务中的MoE专家执行

Kunming Shao, Ming Zeng, Xin Yuan, Binbin Liao, Yangming Zhang, Wei Wang, Tim Kwang-Ting Cheng, Chi-Ying Tsui

专题命中 感知 ：occupancy(abstract)

AI总结 本文针对分散式LLM服务中MoE专家执行的资源效率问题，提出ReRAM近内存架构，通过优化池化、放置与取数策略提升资源占用率，在实测中大幅降低延迟与能耗。