自动驾驶

A Deployed Hybrid Vehicle-in-the-Loop Platform for Validating Cooperative Perception

一种用于验证协同感知的已部署混合车辆在环平台

Anastasia Bolovinou, Giorgos Hadjipavlis, Markos Antonopoulos, Panagiotis Tachtalis, Konstantinos Petousakis, Konstantinos Lazaridis, Alexandros Siskos, Bill Roungas, Angelos Amditis

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 该研究提出一种通过V2X消息管道耦合真实车辆与数字孪生的混合车辆在环平台，用于验证协同感知。在多车辆场景测试，表征不同条件下CP工作负载，结果显示CP能扩视野、提召回率，定位不确定性在一定阈值后成主要误差源，还规划了平台向地中海ODD测试服务发展轨迹。

Comments 4 pages, 5 figures, to be presented in the IEEE ITSC 2026 Industry Track

DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation

DiffGI：用于高保真薄壳3D生成的可微几何图像

Eungjune Shim, Hansol Lee, Eunjung Ju

机构 * CLO Virtual Fashion Inc.（CLO虚拟时尚公司） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 DiffGI针对现有3D生成模型问题，提出端到端3D到2D映射框架，用连续函数取代二进制图，引入可微算法，训练相关模型，在薄壳3D生成中实现高保真、高精度，减少计算资源需求。

Comments Accepted to ECCV 2026

LARAD: Layout-Aware Road Anomaly Detection via Spatial-Logic Reasoning

LARAD：通过空间逻辑推理进行布局感知道路异常检测

Shiyi Mu, Xujie Chen, Shugong Xu

机构 * Shanghai University（上海大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） 纠错

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

AI总结 针对自动驾驶中异常检测问题，提出LARAD方法，通过空间逻辑推理，引入SLVS管道生成训练样本，并用轻量级注意力分支增强分割网络，显著提升对逻辑异常的鲁棒性，保持单模型架构高效率并达新的技术水平。

Benchmarking Nighttime Traffic Sign Recognition with Illumination-Adaptive Detection and Semantic Attribute Reasoning

在低光照条件下学习：用于交通标志识别的数据集和算法

Aditya Mishra, Akshay Agarwal, Haroon Lone

机构 * IISER Bhopal（印度比哈尔州国际研究学院） 纠错

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

AI总结 本文提出INTSD数据集和LENS-Net算法，解决夜间交通标志识别中的低光照和干扰问题，通过大规模数据和先进模型验证了夜间识别的挑战与方法。

Edge Physical AI Deployment of Vision Transformers on Heterogeneous Edge GPU Targeting Autonomous Vehicles

针对自动驾驶车辆在异构边缘GPU上进行视觉Transformer的边缘物理AI部署

Ashiyana Abdul Majeed, Mahmoud Meribout, Neethu Joseph, Abel Kidane Haile, Mohammad Abdullah Al Faruque

机构 * Jetson-aware embedded deep learning inference（Jetson-aware嵌入式深度学习推理） 纠错

专题命中 感知 ：driving perception(abstract)；分类 cs.AI

AI总结 研究针对自动驾驶车辆在异构边缘GPU上部署视觉Transformer的问题，提出硬件感知的H-FraDS方法，通过固定调度比率路由帧，适配组件，结合OFA，实现高效推理，提升了帧率、吞吐量并满足实时操作要求。

Comments 14 pages, 15 figures, This work has been submitted to IEEE for possible publication

TopoExplore: Topological Discrimination for Archive-Based Exploration

TopoExplore：基于存档探索的拓扑判别

Jason Carlson

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对基于存档探索方法未考虑边界后区域能否进入的问题，提出TopoExplore，通过周期性拓扑遍历增强单元格选择，在MiniGrid套件等实验中取得加速效果，证明拓扑感知选择在区分封闭结构及开放覆盖区域均有优势。

LoFi: Vision-Aided Label Generator for Wi-Fi Localization and Tracking

LoFi：用于Wi-Fi定位与跟踪的视觉辅助标签生成器

Zijian Zhao, Tingwei Chen, Fanyi Meng, Zhijie Cai, Hang Li, Xiaoyang Li, Guangxu Zhu

机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 LoFi通过视觉辅助生成高精度的Wi-Fi定位与跟踪标签，降低数据收集成本，提升数据驱动方法的实用性。

Pillar-Voxel Fusion Network for 3D Object Detection in Airborne Hyperspectral Point Clouds

用于空中超光谱点云中3D目标检测的柱体-体素融合网络

Yanze Jiang, Yanfeng Gu, Xian Li

机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（电子与信息工程学院，哈尔滨工业大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出PiV-AHPC网络，通过柱体-体素双分支编码器和多级特征融合机制，有效解决空中超光谱点云中3D目标检测的几何-光谱失真问题，实现高精度检测与泛化能力。

Journal ref Sci China Inf Sci, 2026, 69(1): 112301

CILC: Cryptographically-secure Inter-agent Loop Closure Candidate Detection for Multi-Agent Collaborative SLAM

CILC：用于多智能体协作SLAM的加密安全的智能体间闭环候选检测

Andrew Fishberg, Yixuan Jia, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究多智能体协作SLAM中智能体间闭环候选检测问题，提出CILC系统，利用安全多方计算仅对隐私敏感且计算量轻的GD相似性比较步骤进行加密处理，在模拟和硬件实验中验证其能保持实时性、通信可行并减轻信息泄露。

DDStereo: Efficient Dual Decoder Transformers for Stereo 3D Road Anomaly Detection

DDStereo: 用于立体3D道路异常检测的高效双解码器Transformer

Shiyi Mu, Zichong Gu, Zhiqi Ai, Yilin Gao, Shugong Xu

机构 * Shanghai University（上海大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） 纠错

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

AI总结 提出DDStereo，一种双解码器立体Transformer，通过轻量级解码器分支和紧凑视差特征提取器，实现实时开放集3D目标检测，在封闭和开放集协议下均达到最先进精度。

Comments Accepted by ECCV2026

Framework and Multi-modal Dataset for Roadwork Zone Detection and Geo-localization

道路施工区域检测与地理定位的框架和多模态数据集

Zhiran Yan, Yutong Xin, S Shyam Shenoi, Rui Song, Gordon Elger

机构 * Institute of Innovative Mobility (IIMo), Technical University Ingolstadt of Applied Sciences（应用科学英戈尔施塔特技术大学创新移动研究所） ； Fraunhofer Institute for Transportation and Infrastructure Systems IVI（弗劳恩霍夫交通与基础设施系统研究所IVI） ； Technical University of Munich（慕尼黑工业大学） 纠错

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

AI总结 针对自动驾驶中高清地图缺乏道路施工区域等半静态信息的问题，提出包含模拟和真实数据的多模态数据集及检测与地理定位管道，经实验验证该方法在检测及坐标转换上效果良好。

Comments Accepted to IEEE IV25. The RZDG dataset and code can be found at: https://github.com/chrisyan/RZDG

TRISTAR: Triple-Signal Stair Recognition and Vision-Only Indoor Navigation for Search-and-Rescue Micro-UAVs

TRISTAR：用于搜索救援微型无人机的三重信号楼梯识别与仅视觉室内导航

Octavian Gîngu, Stelian Spînu

机构 * Military Technical Academy（军事技术学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 研究为低成本无人机提出仅基于单目视觉的室内导航框架。结合深度估计、传统计算机视觉和轻量级深度学习模型。核心方法是TRISTAR三重传感器融合，贡献是实现可靠室内探索与楼梯穿越，无需特殊测距硬件。

Comments 10 pages, 7 figures. Project repository available at: https://github.com/tavigingu/HawkOps-Indoor-Drone-Navigation-and-TRISTAR-Stair-Climbing

Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation

遮挡解空间：针对容错感知操纵的与规划器无关的对抗攻击

Keke Tang, Tianyu Hao, Weilong Peng, Hao Jiang, Feng Wu, Peican Zhu, Jianmin Ji, Zhihong Tian

机构 * Guangzhou University（广州大学） ； University of Science and Technology of China（中国科学技术大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 提出针对容错感知操纵的与规划器无关攻击框架，通过运动学占用热图刻画机器人能力，将攻击设为预算最大覆盖优化，实验表明该方法能可靠引发规划失败，优于基线。

Comments Accepted by IROS'2026

Hope for the Best, Prepare for the Worst: Occlusion-Aware Contingency Planning for Autonomous Vehicles

抱最好的希望，做最坏的打算：自动驾驶车辆的遮挡感知应急规划

Truls Nyberg, Anna Gautier, Jana Tumova

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Traton AB（特拉顿集团） ； Chalmers University of Technology（查尔姆斯理工大学） ； Univeristy of Gothenburg（哥德堡大学） 纠错

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

AI总结 针对城市环境中自动驾驶车辆面临的遮挡风险，提出正式的遮挡感知轨迹规划框架，基于可达性分析方法，集成树形运动规划器，减少保守性并保障安全，在模拟场景中验证有效性。

Beyond Line of Sight: Hybrid Validation of V2X Collective Perception in Complex Scenarios

超越视线：复杂场景中V2X集体感知的混合验证

Markos Antonopoulos, Anastasia Bolovinou, Bill Roungas, Elena Daskalaki, Angelos Amditis

机构 * European Union（欧盟） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 提出一种概率框架和混合验证方法，通过贝叶斯融合算法扩展感知范围，在环形交叉口场景中实现视场覆盖增加260%，占用单元召回率从0.82提升至0.94。

Comments 6 pages, 4 figures, to be presented in ITS World 2026

Towards Robustness against Typographic Attack with Training-free Concept Localization

基于训练无关的概念定位实现对抗印刷体攻击的鲁棒性

Bohan Liu, Wenqian Ye, Guangzhi Xiong, Zhenghao He, Sanchit Sinha, Aidong Zhang

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 提出一种无需训练的可解释性方法，通过分析注意力头对词汇和语义的编码差异，定位并干预ViT中的词汇偏置电路，从而在不额外训练的情况下显著提升对印刷体攻击的鲁棒性。

Comments 15 pages main text, provisionally accepted to ECCV 2026

MapDreamer: Aerial Imagery Conditioned Latent Diffusion for Lane-Level Map Generation

MapDreamer: 基于航空影像条件潜扩散的车道级地图生成

Julian Brandes, Philipp Crocoll, Wolfram Burgard

机构 * Department CSAI at University of Technology Nuremberg（纽伦堡工业大学CSAI系） ； Robert Bosch GmbH（罗伯特·博世有限公司） 纠错

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

AI总结 提出MapDreamer，一种从单张航空影像直接生成带显式拓扑的车道级矢量地图的生成扩散模型，通过变分自编码器学习车道中心线及其拓扑的紧凑潜表示，并利用基于Transformer的潜扩散模型预测图结构，在几何和拓扑保真度上优于非生成基线。

Comments Accepted at ECCV 2026

Event-based vision sensing and its application to pedestrian detection for intelligent transportation and surveillance

基于事件的视觉感知及其在智能交通与监控中行人检测的应用

Han Wang, Juntao Wu, Jingyuan Bao, Min Liu, Yaoxiong Wang, Saiao Zhou, Yuman Nie, Yun Li

机构 * Han Wang, Juntao Wu, Jingyuan Bao, Min Liu, Yaoxiong Wang, Saiao Zhou, Yuman Nie, Yun Li（未知） 纠错

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

AI总结 综述事件视觉感知原理及其在行人检测中的应用，比较事件驱动与传统帧方法的优劣，分析现有方法并讨论开放挑战与未来方向。

Comments Published in Advanced Engineering Informatics, Vol. 76, Part B, 104989 (2026). Received 31 December 2025; Revised 3 June 2026; Accepted 18 June 2026; Available online 23 June 2026. DOI: 10.1016/j.aei.2026.104989

VertiAdaptor: Online Kinodynamics Adaptation for Vertically Challenging Terrain

VertiAdaptor: 针对垂直挑战地形的在线运动学动力学自适应

Tong Xu, Chenhui Pan, Aniket Datar, Xuesu Xiao

机构 * George Mason University（乔治梅森大学） 纠错

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

AI总结 提出VertiAdaptor在线自适应框架，通过函数编码器融合高程与语义嵌入，实现地形感知的运动学动力学建模与规划，在仿真和实物平台上预测精度提升23.9%，自适应速度提高5倍。

LeAD-M3D: Leveraging Asymmetric Distillation for Real-Time Monocular 3D Detection

LeAD-M3D：利用不对称蒸馏实现实时单目3D检测

Johannes Meier, Jonathan Michel, Oussema Dhaouadi, Yung-Hsu Yang, Christoph Reich, Zuria Bauer, Stefan Roth, Marc Pollefeys, Jacques Kaiser, Daniel Cremers

机构 * DeepScenario ； ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； TU Darmstadt（达姆施塔特工业大学） ； ELIZA ； Microsoft（微软） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出LeAD-M3D，通过不对称蒸馏提升单目3D检测精度与效率，无需额外模态，在KITTI和Waymo数据集上达到SOTA性能，速度提升达3.6倍。

Comments ECCV 2026. Project page: https://deepscenario.github.io/LeAD-M3D/

DivAS: Interactive 3D Segmentation by Depth-Weighted Voxel Aggregation

DivAS：通过深度加权体素聚合实现交互式3D分割

Ayush Pande, Mayank Vatsa

机构 * Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 DivAS通过深度加权体素聚合实现交互式3D分割，无需优化循环，基于GAussian Splatting和NeRF框架，实现高效且高质量的3D分割。

MonoSR: Open-Vocabulary Spatial Reasoning from Monocular Images

MonoSR: 从单目图像进行开放词汇空间推理

Qirui Wang, Jingyi He, Yining Pan, Si Yong Yeo, Xulei Yang, Shijie Li

机构 * Technical University of Munich（慕尼黑工业大学） ； A*STAR Institute of Advanced Intelligence and Computing（新加坡科技研究局高级智能与计算研究所） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出MonoSR大规模单目空间推理数据集，涵盖多种场景并支持多种问题类型，评估先进视觉-语言模型并分析辅助信息对单目空间推理的重要性，为开放世界中的单目空间推理提供基础。

Comments Accepted by ECCV 2026

PLOT: Pseudo-Labeling via Object Tracking for Monocular 3D Object Detection

PLOT：通过物体跟踪进行伪标签的单目3D目标检测

Seokyeong Lee, Sithu Aung, Junyong Choi, Seungryong Kim, Ig-Jae Kim, Junghyun Cho

机构 * Korea Institute of Science and Technology (KIST)（韩国科学技术研究院） ； KAIST AI（韩国科学技术院人工智能系） ； VRG, FEE, Czech Technical University in Prague（布拉格捷克理工大学电气工程学院视觉识别组） ； Samsung Research（三星研究院） ； AI-Robotics, KIST School, University of Science and Technology (UST)（科学技术联合大学院KIST学院人工智能机器人系） ； Yonsei-KIST Convergence Research Institute, Yonsei University（延世大学延世-KIST融合研究院） 纠错

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

AI总结 PLOT通过物体跟踪生成单目视频中的3D标注，无需辅助传感器或模型重训练，实现了在自动驾驶、机器人和监控等领域的可靠3D目标检测。

Comments Accepted to ECCV 2026

ReScene: Structured Indoor Scene Reconstruction from Multi-View Captures

ReScene: 基于多视角图像的结构化室内场景重建

Haoran Xu, Lechao Zhang, Daoguo Dong, Yan Gao, Xin Tan

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 提出ReScene框架，通过层级视图选择和关系感知组装，解决多视角场景重建中跨视角关系融合与物理一致性难题，在ScanNet上实现几何、渲染和感知质量的最优性能。

Understanding Cross-Rig Generalization in Automotive Perception: a Multi-Rig Benchmark and Rig Variation Metrics

理解自动驾驶感知中的跨传感器配置泛化：多配置基准与配置变化度量

Tim Alexander Bader, Tim Dieter Eberhardt, Maximilian Dillitzer, Wilhelm Stork

机构 * Dept. of Highly Automated and Assisted Driving, Dr. Ing. h.c. F. Porsche AG（保时捷股份公司高度自动化与辅助驾驶部门） ； Institute for Information Processing Technologies, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院信息处理技术研究所） ； Faculty of Mobility and Technology, Esslingen University of Applied Sciences（埃斯林根应用科学大学移动性与技术学院） 纠错

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

AI总结 针对自动驾驶感知中传感器配置变化导致的领域差距，构建了包含14种系统化相机配置的基准，提出两种基于标定的配置描述符（配置方差和配置对比距离），实验证明几何配置差异与性能变化强相关。

Comments Accepted at ECCV 2026; Project Page: https://badertim.github.io/plentiful-carla-camera-rigs

KRVF: A Source-Aware Semantic Voxel World Representation for Edge Mobile Manipulation

KRVF：面向边缘移动操作的源感知语义体素世界表示

Runfeng Ling

机构 * The University of Manchester（曼彻斯特大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 提出KRVF，一种源感知语义体素表示，用于边缘移动操作，通过任务导向体素编码占用、语义、时间新鲜度和证据源，实现深度故障感知推理和映射-感知闭环。

Comments Technical report, 9 pages, 3 figures

Learning Robot Visual Navigation in Crowds via Intention-Aware Scene Representations

通过意图感知场景表示学习机器人在人群中的视觉导航

Han Bao, Bingyi Xia, Hanjing Ye, Yu Zhan, Hao Cheng, Baozhi Jia, Wenjun Xu, Jiankun Wang

机构 * Shenzhen Key Laboratory of Robotics Perception and Intelligence, Department of Electronic and Electrical Engineering, SUSTech（南方科技大学电子与电气工程系深圳市机器人感知与智能重点实验室） ； Jiaxing Research Institute, SUSTech（南方科技大学嘉兴研究院） ； Research Institute of MA&EI, Peng Cheng Laboratory（鹏城实验室机器人与人工智能研究所） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 提出iCrowdNav方法，利用时空编码器和Intent-Interact Former从视觉观测中提取场景占用特征和人体姿态意图，通过深度强化学习实现高效人群导航。

Beyond a Shadow of a Doubt: Close Proximity Geometry Reconstruction Using FMCW Radar Shadow Effects

不容置疑：利用FMCW雷达阴影效应进行近距离几何重建

Felix de Trogoff du Boisguezennec, Benjamin Ramtoula, Daniele De Martini

机构 * Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所，英国） ； ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 针对恶劣环境下感知退化问题，提出利用车辆底盘遮挡形成的雷达阴影恢复近处细长垂直物体的三维倾斜角度，通过解析闭式映射实现，仿真和实验验证了可行性。

Towards Understanding The Calibration Benefits of Sharpness-Aware Minimization

理解锐度感知最小化的校准优势

Chengli Tan, Yubo Zhou, Haishan Ye, Guang Dai, Junmin Liu, Zengjie Song, Jiangshe Zhang, Zixiang Zhao, Yunda Hao, Yong Xu

机构 * Northwestern Polytechnical University（西北工业大学） ； SGIT AI Lab, State Grid Corporation of China（国网SGIT人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； ETH Zürich（苏黎世联邦理工学院） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文通过理论分析揭示锐度感知最小化（SAM）通过隐式最大化预测分布熵来改善模型校准，并提出变体CSAM进一步降低校准误差。

Comments ICLR2026

Pocket-SLAM: Rendering-Area-Aware Pruning for Memory-Efficient 3DGS-SLAM

Pocket-SLAM：面向内存高效的3DGS-SLAM的渲染区域感知剪枝

Leshu Li, Jie Peng, Yang Zhao

机构 * University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出一种渲染区域感知的剪枝策略，根据高斯点对有效渲染区域的贡献进行选择性移除，在EuRoC和KITTI数据集上实现超过60%的内存减少和2倍以上的FPS提升，同时保持定位与建图精度。

Comments 2026 IEEE International Conference on Robotics and Automation(ICRA)