One-Stage Object Detectors in Autonomous Driving
自动驾驶中的单阶段目标检测器
机构 * Florida Gulf Coast University（佛罗里达海湾海岸大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 本文针对自动驾驶场景调研分析单阶段目标检测器，涵盖其演进、架构对比、相关数据集与指标等，指出该类检测器需平衡速度等性能且与实际应用仍有差距。
视觉与机器人
自动驾驶
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
1. 感知 6 篇
ForestMamba: Sparse Mamba with Geometry-guided Queries for 3D Forest Point Cloud Segmentation
ForestMamba: 基于几何引导查询的稀疏Mamba用于3D森林点云分割
机构 * Nagoya University（名古屋大学） ； RIKEN Seika（日本理化学研究所Seika研究中心） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（埃因霍温理工大学） ； Ritsumeikan University（立命馆大学）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 提出ForestMamba方法，通过稀疏编码器、几何引导查询初始化和Mamba查询解码器，实现高效且结构感知的森林点云分割，在七个森林区域上优于现有方法，推理速度提升3倍，GPU内存降低2.3倍。
Comments 37th British Machine Vision Conference (BMVC 2026)
The Impact of CutMix on Reliability and Robustness in Semantic Segmentation
CutMix对语义分割中可靠性与鲁棒性的影响
机构 * Institute of Photogrammetry and Remote Sensing (IPF), Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院摄影测量与遥感研究所）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 该研究探究CutMix对语义分割的影响，发现其对分割准确率影响微小，但可提升模型可靠性，尤其在分布偏移场景下，增强的是校准度与不确定性可信度，对安全关键应用意义重大。
Comments Accepted for publication in the ISPRS Annals (ISPRS Congress 2026, Toronto, Oral Presentation)
PartialBiGrasp: Inferring Hidden Local Geometry for Bimanual Grasping from Partial Views
PartialBiGrasp：从部分视角推断隐藏局部几何以实现双臂抓取
机构 * Robotics Research Center IIIT Hyderabad（印度信息技术研究所海得拉巴分校机器人研究中心）
专题命中 感知 ：occupancy(abstract)；分类 cs.RO
AI总结 PartialBiGrasp是基于部分点云的双臂抓取生成框架，通过卷积占用网络学习几何特征生成抓取对并优化，经实验验证可实现鲁棒稳定的抓取。
USR-Drive: Unified Driving Scene Representation via Joint Denoising of 3D Gaussians and Boxes
USR-Drive：通过3D高斯与边界框联合去噪实现统一驾驶场景表示
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出USR-Drive框架，将3D高斯与边界框作为对齐的潜在令牌流，通过统一多模态扩散Transformer联合去噪，在nuScenes和VKitti数据集上实现动态重建与3D检测的SOTA性能。
RoGS: Adaptive Meshgrid Gaussian for Large-Scale Road Surface Mapping
RoGS：用于大规模路面映射的自适应网格高斯方法
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） ； State Key Laboratory of Avionics Integration and Aviation System-of-Systems Synthesis（航空电子集成与航空系统-of-系统综合国家重点实验室） ； Shanghai Key Laboratory of Navigation and Location Based Services（上海基于位置服务重点实验室）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV
AI总结 针对大规模路面映射中传统方法的局限，提出ROADGS-T框架，基于自适应网格高斯表示，通过放置二维高斯面片建模路面，减少冗余，并引入自适应网格和姿态稳健细化策略，提升表示效率和结构保真度。
2. 规划控制 4 篇
GAPL: Grounded Action-effect Policy Learning for LLM-Based Trajectory Planning
GAPL：面向基于大语言模型的轨迹规划的接地动作效果策略学习
机构 * University of Oslo（奥斯陆大学） ； Aalborg University（奥尔堡大学） ； University of Sydney（悉尼大学） ； Nanjing University of Information Science and Technology（南京信息工程大学） ； Simula Research Laboratory（西穆拉研究院）
专题命中 规划控制 ：trajectory planning(title,abstract)；autonomous driving(abstract)；分类 cs.RO
AI总结 针对LLM用于自动驾驶轨迹规划时存在的幻觉、接地不足等问题，提出GAPL框架，整合三类模块并经实验验证其性能优于基线方法
Comments 11 pages, 5 figures, 6 tables
Planning-aligned Token Compression for Long-Context Autonomous Driving
面向长上下文自动驾驶的规划对齐令牌压缩
机构 * NVIDIA Research（NVIDIA研究） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学）
专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 提出COMPACT-VA框架，基于条件VQ-VAE将长上下文压缩为有界表示，通过规划对齐实现决策关键信息保留，在动态场景中成功率提升超6%，速度提升3.3倍。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026. 8 pages
Hybrid Reinforcement Learning and Search for Flight Trajectory Planning
混合强化学习与搜索的飞行轨迹规划
专题命中 规划控制 ：trajectory planning(title)；分类 cs.AI
AI总结 本文提出一种混合强化学习与搜索的方法，用于快速优化民航飞行路径，通过预计算近优路径减少求解空间，提升计算效率并保持燃油消耗相近。
Personalized Autonomous Driving via Optimal Control with Clearance Constraints from Questionnaires
基于问卷的 Clearance 约束下的个性化自动驾驶最优控制
机构 * Department of Mechanical Engineering, Seoul National University（机械工程系，首尔国立大学） ； Department of Aerospace Engineering, Seoul National University（航空航天工程系，首尔国立大学）
专题命中 规划控制 ：autonomous driving(title)；分类 cs.RO
AI总结 本文提出基于用户问卷的个性化自动驾驶规划框架，通过将用户偏好作为约束条件，改进自动驾驶中的安全距离控制。
3. 端到端驾驶 3 篇
BrainWAM: Action-Space Coordination of Semantic Priors and Predictive Dynamics for Autonomous Driving
BrainWAM：面向自动驾驶的语义先验与预测动力学的动作空间协调框架
机构 * Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； Li Auto Inc.（理想汽车）
专题命中 端到端驾驶 ：autonomous driving(title,abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 该研究针对自动驾驶中语义与预测动力学的规划需求，提出BrainWAM框架，通过结构化动作空间协调及异步整流流推理，在NAVSIM数据集上实现最优性能，优于仅VLA或仅WAM方法。
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
机构 * Lingnan University, Hong Kong（岭南大学（香港））
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。
DA-WAM: Decision-Aligned Future Latents for Driving World Models
DA-WAM：面向驾驶世界模型的决策对齐未来潜变量
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Leapmotor（零跑汽车） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 DA-WAM 是统一预测表示学习等模块的驾驶世界模型框架，通过动作条件未来潜变量实现决策对齐，在 NAVSIM 数据集上达到最优性能，验证了关键组件的有效性。
4. BEV与占用 4 篇
OccDirector: Language-Guided Behavior and Interaction Generation in 4D Occupancy Space
OccDirector：基于语言的4D占用空间中行为与交互生成
机构 * SKL-IOTSC, CIS, University of Macau, Macau, China（SKL-IOTSC、CIS、澳门大学、澳门、中国） ； Li Auto Inc, Beijing, China（Li Auto Inc、北京、中国）
专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出OccDirector框架，通过自然语言生成4D占用空间动态，解决复杂多代理交互生成问题，引入多级语言指令数据集和评估基准，实现语言驱动的行为编排。
ORV: 4D Occupancy-centric Robot Video Generation
ORV：基于占用的4D机器人视频生成
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； IIIS, Tsinghua University（清华大学人工智能研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波工程技术院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； ByteDance（字节跳动） ； Kling, Kuaishou Technology（Kling，快手科技） ； GigaAI ； AIR, Tsinghua University（清华大学人工智能研究院）
专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV
AI总结 ORV提出一种基于占用的4D机器人视频生成框架，通过结合动作先验与占用视觉先验，提升视频生成质量与可控性，实现多视角一致合成和仿真到现实的迁移。
Comments CVPR 2026. Project page: this https URL (https://orangesodahub.github.io/ORV/) Code: this https URL (https://github.com/OrangeSodahub/ORV)
Constrained Spatial Pricing of On-Street Parking with Bayesian Demand Calibration
结合贝叶斯需求校准的路边停车约束空间定价
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本研究结合分层贝叶斯需求模型与空间耦合约束定价模型，利用SFpark数据校准弹性，所得CVaR策略表现优于基准规则，揭示了有效定价集的变化及相关权衡。
Comments Preprint. Submitted to the 2nd International Conference on Machine and Computing Technologies for Sustainable Development, Cape Town, South Africa, 16-17 November 2026. Currently under peer review
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
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 52 pages, 10 figures, 4 tables
5. 激光雷达 3 篇
LiDAR-Derived Surface Priors for Multimodal Sensing-Assisted NLoS Beam Search in Indoor 60-GHz Networks
室内60GHz网络中多模态传感辅助非视距波束搜索的激光雷达衍生表面先验
专题命中 激光雷达 ：LiDAR(title,abstract)
AI总结 该研究提出用激光雷达衍生的局部表面结构作为先验，结合射频测量，可将60GHz网络的波束对探测减少72%，同时保持74.5%位置的波束在详尽搜索的3dB范围内，降低毫米波波束搜索不确定性。
Autonomous Agricultural Tractor: Integrated Weed Detection and LiDAR Navigation for Precision Paddy Farming
自主农业拖拉机：用于精准稻田种植的杂草检测与激光雷达导航集成系统
机构 * Florida Gulf Coast University（佛罗里达湾岸大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV
AI总结 该研究提出集成自主拖拉机系统AgriNav，通过多模块协同与激光雷达-相机融合技术解决稻田杂草管理的三大挑战，仿真实验验证了其导航与检测的可靠性及效率提升。
RVLoss: Runoff Vote Loss for Self-Supervised LiDAR Scene Flow Estimation
RVLoss：用于自监督激光雷达场景流估计的 runoff vote 损失
机构 * TU Delft（代尔夫特理工大学） ； University of Nottingham（诺丁汉大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV
AI总结 该研究针对自监督激光雷达场景流估计中运动刚性不足的问题，提出融入 runoff vote 机制的 RVLoss，在 Argoverse2 2026 挑战赛上性能超基线 20%，跨数据集也有稳定提升。
Comments 15 pages, 5 figures
6. 多传感器融合 1 篇
Effective Multi-sensor Conditioning for Street-view Novel-view Synthesis
面向街景新视角合成的有效多传感器条件控制
机构 * Stanford Univerity（斯坦福大学） ； NVIDIA
专题命中 多传感器融合 ：LiDAR(summary_cn,abstract)；分类 cs.CV
AI总结 提出StreetNVS视频扩散框架，通过参考增强相机注意力模块和相对射线级位置编码联合利用LiDAR、环视图像和相机位姿，实现稀疏LiDAR条件下的高质量街景新视角合成。
7. 其他自动驾驶 2 篇
\textsc{TestifAI}: Tomography-Based Testing for Deep Learning Systems
TestifAI：基于层析成像的深度学习系统测试方法
机构 * Northeastern University London（伦敦东北大学） ； University of Kent（肯特大学）
专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.AI
AI总结 TestifAI是一种深度学习测试框架，通过部分模型层析成像从低阶扰动观测预测高阶扰动测试结果，可高效准确估计多扰动下的模型鲁棒性，减少60-80%的推理量且总误差低于7%。
PowderLine: a programmatic powder diffraction analysis application
PowderLine：一款程序化粉末衍射分析应用程序
专题命中 其他自动驾驶 ：self-driving(abstract)
AI总结 PowderLine是一款Python应用，将粉末衍射全谱拟合精修封装为声明式配方，适配各类工作流程，解决大规模应用粉末衍射分析需自定义脚本的问题，支持程序化自动化分析。
Comments 11 pages, 3 figures
