自动驾驶

AdROD: HyperNetwork-based Adversarially Robust Object Detection for Autonomous Driving

AdROD：面向自动驾驶的基于超网络的对抗鲁棒目标检测

Yuting Wu, Dongfang Guo, Xiangzhong Luo, Qun Song, Rui Tan

机构 * Nanyang Technological University（南洋理工大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 AdROD是面向自动驾驶的嵌入式随机集成防御软件，采用低秩超网络与功能多样性机制，设两种服务模式，经多类评估优于基线防御，可在对抗场景下保持实时安全停车。

NARRATE: A Multimodal Real-World Australian Driving Dataset for Human-Centred Explanations in Automated Driving

NARRATE：用于自动驾驶中以人为本解释的多模态真实世界澳大利亚驾驶数据集

Ashkan Yousefi Zadeh, Zishuo Zhu, Xiaomeng Li, Andry Rakotonirainy, Sebastien Glaser, Ronald Schroeter, Patricia Delhomme, Zahra Mehraban

机构 * ARC Training Centre for Automated Vehicles in Rural and Remote Regions (AVR3)（澳大利亚农村及偏远地区自动驾驶车辆ARC培训中心） ； Université Gustave Eiffel（Gustave Eiffel大学） ； Queensland University of Technology (QUT)（昆士兰科技大学） 纠错

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

AI总结 研究人员推出多模态真实世界澳大利亚驾驶数据集NARRATE，含2050个带注释事件，提供多类标签与情境意识注释，开展四项基准任务验证其价值，为开发以人为本的自动驾驶解释模型奠定基础。

Comments Accepted at The 19th European Conference on Computer Vision (ECCV 2026) DriveX Workshop (Foundation Models for Autonomous Driving)

RISE: Roadside Infrastructure Sequence Understanding across 3D Tracking and Structured Vision-Language Reasoning

RISE：跨三维跟踪与结构化视觉-语言推理的路边基础设施序列理解

Yanbo Jiang, Haotian Zheng, Jiahao Wang, Hanxiao Ren, Yitao Xu, Yining Xing, Zehong Ke, Hao Cheng, Yiqian Tu, Jinhao Li, Zhiyuan Xuan, Fang Zhang, Jianqiang Wang

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

AI总结 本研究提出RISE框架，结合仅图像的三维跟踪方法与结构化视觉-语言推理，构建含33910个问答对的RISE-VQA数据集，通过RISE-Bench评估任务，揭示相关挑战并验证域自适应与时间上下文的益处。

OccamView: Object-Conditioned View Selection for Frame-Budgeted Active 3D Gaussian Reconstruction

OccamView：面向帧预算约束下主动式3D高斯重建的物体条件视角选择方法

Hongbo Gao, Wei Zhang, Zeyu Ni, Dihao Zhu, Ruifeng Li, Yunke Wang, Chang Xu

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

AI总结 针对帧预算紧张时现有主动3D高斯重建方法易漏重建物体的问题，提出OccamView框架，通过物体条件视角选择与Geo-Floor机制优化规划，在多数据集上提升了重建表现。

Comments 7 pages, 5 figures. Preprint

Audio-Visual Segmentation via Depth-Guided Collaborative Modeling

基于深度引导协同建模的视听分割

Zhaojin Fu, Yuyang Hong, Qi Yang, Zili Wang, Kun Ding, Shiming Xiang, Bin Fan

机构 * School of Intelligent Science and Technology, University of Science and Technology Beijing（北京科技大学智能科学与技术学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 该研究针对现有视听分割方法未建模几何线索的问题，提出三模态框架DGCM-AVS，通过深度感知动态调制器与深度引导渐进融合模块优化，在AVSS数据集上实现M_J、M_F指标的显著提升。

Journal ref IEEE Transactions on Multimedia, 2026

Privacy-Preserving Dataset Curation for Kuala Lumpur Urban Traffic: Grounded Vision-Language Detection with Spatial Vehicle-Context Filtering

面向吉隆坡城市交通的隐私保护数据集构建：结合空间车辆上下文过滤的接地视觉-语言检测

Mohammed Abdul Al Arafat Tanzin, Rudzidatul Akmam Dziyauddin

机构 * Faculty of Artificial Intelligence, Universiti Teknologi Malaysia（马来西亚理工大学人工智能学院） 纠错

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

AI总结 针对吉隆坡热带城市交通场景的隐私保护数据集构建难题，提出结合Grounding DINO与空间车辆ROI包含引擎的自动化匿名化框架，在1266帧图像上实现约95%的匿名化成功率。

Extend the Safety Horizon for Intelligent Transportation Systems through Semantic-Aware Cooperative Perception

通过语义感知协同感知扩展智能交通系统的安全 horizon

Chun-Yeow Yeoh, Chee Keong Tan, Joanne Mun-Yee Lim, Heng-Siong Lim

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

AI总结 本文提出 HMS-SCP 框架，通过多尺度语义冗余与 JSCC 编码实现带宽效率与鲁棒性的平衡，在 V2X 环境中保障安全关键型协同感知的性能。

Comments 16 pages, 7 figures, 6 tables, Submitted to IEEE Transactions on Intelligent Transportation Systems (T-ITS)

Emergent 3D Instance Segmentation from Self-Supervised Point Transformers

自监督点Transformer的涌现式3D实例分割

Ted Lentsch, Santiago Montiel-Marín, Holger Caesar, Julian F. P. Kooij

机构 * Delft University of Technology（代尔夫特理工大学） ； University of Alcalá（阿尔卡拉大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本研究探究自监督点Transformer是否含分离3D实例的结构信息，据此提出无需训练的TokenGraph3D方法，在无先验条件下大幅优于基线，使涌现的3D实例结构可见。

Comments ECCV 2026 DriveX

Ground-Truth-Aware Stress Testing of a Closed-Loop Smart-Building Digital Twin Under Sensor Drift and Missing Data

传感器漂移与缺失数据下闭环智能建筑数字孪生的真值感知压力测试

Lyes Saad Saoud

专题命中 感知 ：occupancy(abstract)

AI总结 本文提出真值感知仿真框架，针对传感器漂移与缺失数据场景测试智能建筑数字孪生的闭环控制，发现传感器误差、决策不一致与结果退化相关但有区别，贡献为方法论层面。

Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving

属性能否预测风险？从多视图属性到端到端自动驾驶中的规划风险信号

Le Yang, Haijun Liu, Jiawei Liang, ShangQuan Sun, Xiaochun Cao

机构 * Sun Yat-sen University（中山大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)

AI总结 本文提出了一种层次化属性框架，用于端到端规划中的风险预测，通过提取三种属性统计作为预测信号，提升了对轨迹误差和碰撞检测的预测能力。

PersonaDrive: Controllable Trajectory Prediction with Multi-Dimensional Driving Personas

PersonaDrive：基于多维驾驶 personas 的可控轨迹预测

Chan Lee, Kimin Yun, Yuseok Bae, Seong Tae Kim, Jung Uk Kim

机构 * Kyung Hee University（庆熙大学） ； ETRI（韩国电子通信研究院） 纠错

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

AI总结 针对现有轨迹预测方法可控性不足的问题，提出 PCT 数据集与 PersonaDrive 框架，通过多轴设计实现可控轨迹生成，性能优于基线。

Comments Accepted to ECCV 2026

Robot-Body-Aware Traversal Risk Graph Planning for Wheeled-Legged Robots in Complex Terrain

面向复杂地形中轮腿式机器人的机器人本体感知遍历风险图规划

Zhiqiao Guo, Bichi Zhang, Sören Schwertfeger

机构 * ShanghaiTech University（上海科技大学） ； Key Laboratory of Intelligent Perception and Human-Machine Collaboration（智能感知与人机协同重点实验室） 纠错

专题命中 规划控制 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 该研究针对轮腿式机器人复杂地形导航的TRG规划缺陷，提出RB-TRG方法，提升了导航成功率，获IEEE ICRA 2026挑战赛奖项，代码已开源。

Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments

GNSS拒止环境下跨平台地理配准的标记约束位姿图校正

Marco Giberna, Jose Luis Sanchez Lopez, Holger Voos

机构 * University of Luxembourg（卢森堡大学） ； Interdisciplinary Centre for Security, Reliability and Trust (SnT)（安全、可靠性与信任跨学科中心（SnT）） ； Faculty of Science, Technology and Medicine, University of Luxembourg（卢森堡大学科学、技术与医学院） 纠错

专题命中 规划控制 ：LiDAR(abstract,abstract_cn)；分类 cs.RO

AI总结 该研究提出基于胆固醇球形反射器伪装标记的框架，通过标记约束位姿图优化实现 GNSS 拒止环境下跨平台地理配准，大幅降低轨迹漂移，提升重建一致性。

Comments 14 pages, 5 figures, 5 tables, submitted to SPIE Security + Defence conference

Spatial Attention Noise Masking for Causally Sufficient Interpretability

用于因果充分可解释性的空间注意力噪声掩码

Benjamin Formby, Kuang-Ching Wang, D Hudson Smith

机构 * Clemson University（克莱姆森大学） ； Binghamton University（宾汉姆顿大学） 纠错

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

AI总结 本研究提出空间注意力噪声掩码框架，结合UNet风格掩码生成器与Resnet18编码器等，实现计算机视觉模型的因果充分可解释性，在五项分类任务中兼具掩码忠实性、分类性能与分布偏移鲁棒性。

Efficient Block-Layer Parallel Inference for Vision-Language-Action on Hybrid Architectures

面向混合架构的视觉-语言-动作（VLA）高效块级并行推理

Haibo HU, Lianming Huang, Qiao Li, Nan Guan, Chun Jason Xue

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

AI总结 该研究针对VLA模型部署于车载平台的延迟与内存压力问题，提出混合CPU-GPU推理框架，通过块级划分实现资源调度，在Bench2Drive数据集及实车部署中均取得性能提升。

Hybrid System Planning using a Mixed-Integer ADMM Heuristic and Hybrid Zonotopes

混合系统规划使用混合整数ADMM启发式方法和混合聚束体

Joshua A. Robbins, Andrew F. Thompson, Jonah J. Glunt, Herschel C. Pangborn

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

AI总结 本文提出了一种混合系统规划框架，结合混合聚束体与ADMM启发式方法，以提高混合系统规划的效率和收敛速度。

Learning Sequential Mobility Choice: A Review of Route and Activity Choice through Inverse Reinforcement and Imitation Learning

学习序列出行选择：基于逆强化学习与模仿学习的路径与活动选择综述

Tien Mai

专题命中 规划控制 ：occupancy(abstract)

AI总结 本综述构建了将交通选择建模与IRL、IL结合的统一框架，综述多种相关学习方法，提出嵌入行为约束的混合模型可提升出行选择预测性能。

A Deep Learning Model for Spatially Clustered Data via Differentiable Cluster Assignment

基于可微聚类分配的空间聚类数据深度学习模型

Kexuan Li, Weidong Ma

专题命中 规划控制 ：occupancy(abstract)

AI总结 该研究针对空间域划分未知且响应与协变量关联随划分变化的非参数回归问题，提出联合学习划分与聚类回归函数的深度学习模型，经模拟和真实数据验证了其有效性。

KC-BFPRL: Knowledge-Guided Multi-UAV Collaboration for Grassland Restoration via Bilevel Formerpointer-Based Reinforcement Learning

KC-BFPRL：基于知识引导的多无人机草原修复协作方法——通过 bilevel Formerpointer 强化学习实现

Dongbin Jiao, Xianyi Wang, Yuchen Yuan, Weibo Yang, Peng Yang, Peng Zhao, Zhanhuan Shang, Shi Yan

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 KC-BFPRL 是一种知识引导的 bilevel Formerpointer 强化学习框架，可解决多无人机草原修复的 RAMP 问题，性能优于现有方法，适用于大规模自动化生态修复。

Multi-Agent Embodied Autonomous Driving (MAEAD): From V2X Information Exchange to Shared World Models

多智能体具身自动驾驶：从V2X信息交换到共享世界模型

Senkang Hu, Zhengru Fang, Yihang Tao, Zihan Fang, Yiqin Deng, Yuguang Fang

机构 * Lingnan University, Hong Kong（岭南大学（香港）） 纠错

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

AI总结 本文综述了从单车智能向多智能体具身系统转变的自动驾驶技术，通过共享世界模型实现感知共享、意图推断和协同规划，并指出了在仿真评估、实时安全保证等方面的研究空白。

Not All History Helps: Velocity-Aware Selective Memory for Long-Horizon End-to-End Autonomous Driving

并非所有历史都有用：面向长 horizon 端到端自动驾驶的速度感知选择性记忆

Yuchen Liu, Ziying Song, Shengkai Zhang, Jiannan Chen, Peiliang Wu, Lei Yang, Bin Sun, Yan Gong, Li Wang

机构 * Nanyang Technological University（南洋理工大学） ； North University of China（中北大学） ； Yanshan University（燕山大学） ； Beijing Jiaotong University（北京交通大学） ； China Automotive Technology and Research Center Co., Ltd.（中国汽车技术研究中心有限公司） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 针对长 horizon 端到端自动驾驶的历史规划状态不可靠问题，提出 StableDrive 模型，通过 SMM 与 MSTS 实现规划优化，在多个数据集上取得规划指标的 SOTA 性能。

Comments 14 pages, 7 figures

DrivingWorld: Constructing World Model for Autonomous Driving via Video GPT

DrivingWorld：通过视频GPT构建自动驾驶领域的世界模型

Xiaotao Hu, Mingkai Jia, Xiaoyang Guo, Qian Zhang, Xiao-xiao Long, Wei Yin

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

AI总结 本文提出名为DrivingWorld的自动驾驶GPT风格世界模型，通过时空融合等策略提升视频生成质量与时长，实现更优的可控未来视频生成效果。

Journal ref ICPR 2026

GaussianDWM++: Language-Grounded 3D Gaussian Driving World Model for Unified Scene Understanding, Editing, and Multi-Modal Generation

GaussianDWM++：用于统一场景理解、编辑与多模态生成的语言接地3D高斯驾驶世界模型

Tianchen Deng, Xuefeng Chen, Shuang Wu, Qu Chen, Jiajun Zhu, Bo Dai, Jianfei Yang, Hesheng Wang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Tsinghua University（清华大学） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法瑞智能驾驶有限公司） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 端到端驾驶 ：BEV(abstract,abstract_cn)；occupancy(abstract)；分类 cs.CV

AI总结 该研究提出GaussianDWM++，通过基础特征高斯分词器等模块构建统一框架，在多类驾驶任务中实现场景理解、编辑与多模态生成，性能达当前最优。

MM-BEV: Enhancing Timeliness by Computing Where and When it Matters

MM-BEV：通过计算关键的位置与时刻提升时效性

Liangkai Liu, Kang G. Shin

机构 * Texas Tech University（德克萨斯理工大学） ； University of Michigan（密歇根大学） 纠错

专题命中 BEV与占用 ：BEV(title,title_cn)；LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV

AI总结 MM-BEV是一种遵循「计算关键位置与时刻」的实时多模态BEV系统，通过四种机制优化，在nuScenes数据集和Clearpath Husky A300平台上显著降低延迟，且性能损失极小。

Comments 12 pages, 20 figures

Ghost Dynamics in Receptor Signalling Networks: A Fast--Slow Adaptive Extension of Competitive Cancer Inhibition Models

受体信号网络中的幽灵动力学：竞争型癌症抑制模型的快慢自适应扩展

G Manjunath, Roumen Anguelov

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究针对受体占有率模型的局限，构建快慢自适应框架，揭示癌症信号网络的幽灵动力学，可解释剂量-响应曲线特征，还能预测表观效力的暴露时间依赖性偏移。

One-Sided Product-Scale Upper Bounds for Nested Complex Wishart Extremes

嵌套复Wishart极值的单侧乘积尺度上界

Xiufan Yang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文针对嵌套复Wishart极值的最大特征值软边缘，证明了其上、下尾联合概率的有限N单侧乘积尺度上界，推导了分离稀疏网格的矩估计，适用于超临界分离场景。

Comments 92 pages

On the Variance Fraction of the Hard-Core Model on Graphs with Bounded Maximum Degree

关于硬核模型中的期望与方差

Weiyuan Zhang, Kexiang Xu

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文研究了图中独立集数量与硬核模型中的占用分数，推导了独立数为α的n顶点图的占用分数的紧上界和下界，并验证了Davies等人提出的猜想。

Towards Real-Time and Adaptable LiDAR Scene Completion

面向实时且自适应的激光雷达场景补全

Azhar Hussian, Martin Vossiek, Vasileios Belagiannis

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学） 纠错

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

AI总结 提出RapidLiDAR方法，以自适应初始化模块和多尺度重建模块实现激光雷达场景补全，速度达0.1秒/帧，比现有最快方法快2.3倍，性能与SOTA相当。

Comments Accepted at ECCVW 2026, 14 pages, 4 figures. Code is available at https://github.com/AzharSindhi/RapidLiDAR

Cyclops: LiDAR as a Camera That Dreams in Color

Cyclops：以彩色进行“梦境”的相机式激光雷达

Wei Gao, Jian Shu, Mingle Zhao, Maani Ghaffari, David Kong, Chengzhong Xu, Hui Kong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Michigan（密歇根大学） ； University of Macau（澳门大学） 纠错

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

AI总结 本文提出Cyclops框架，将稀疏NRS-LiDAR强度转为RGB视频，通过LBM等技术缓解帧间闪烁，合成RGB可使感知模型在多任务上优于LiDAR基线与传统相机。

HP2-SLAM: Adaptive Hybrid ICP for Robust and Efficient LiDAR SLAM

HP2-SLAM：用于鲁棒高效激光雷达SLAM的自适应混合ICP

Nam Tran, Thu Tran, Hieu Phan, Thai Luu, Toan Nguyen, William J. Beksi, Tuan Dang

机构 * University of Arkansas（阿肯色大学） ； VinRobotics（维恩机器人公司） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 本文提出HP2-SLAM框架，通过邻域大小自适应混合ICP平衡点到平面与点到点残差，无需学习模块即可提升SLAM在各类环境的鲁棒性与效率，性能优于几何基准且保持实时性。