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 4 篇
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。
2. 规划控制 1 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
3. 端到端驾驶 1 篇
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 1 篇
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
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. 其他自动驾驶 1 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%。
