自动驾驶

FlowDIS: Language-Guided Dichotomous Image Segmentation with Flow Matching

FlowDIS：基于流匹配的语言引导二元图像分割

Andranik Sargsyan, Shant Navasardyan

机构 * Picsart AI Research (PAIR)（Picsart AI研究院） 纠错

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

AI总结 本文提出FlowDIS，一种基于流匹配框架的二元图像分割方法，通过文本提示实现精确像素级对象分割，实验表明其在DIS-TE测试集上优于现有方法。

Comments Accepted to CVPR 2026

OOM-Free Alpamayo via CPU-GPU Memory Swapping for Vision-Language-Action Models

无需显存的Alpamayo通过CPU-GPU内存交换用于视觉-语言-动作模型

Seungwoo Roh, Huiyeong Kim, Jong-Chan Kim

机构 * Graduate School of Automobile and Mobility, Kookmin University, Korea（汽车与移动研究生院，韩国高垣大学） 纠错

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

AI总结 本文提出一种无需修改模型的内存高效方法，通过系统级优化实现视觉-语言-动作模型在显存受限的GPU上的推理，提升性能并保持精度。

Comments Submitted to IEEE RTCSA on March 26, 2026 (KST); Accepted on May 4, 2026 (KST)

XWOD: A Real-World Benchmark for Object Detection under Extreme Weather Conditions

XWOD：面向极端天气条件的现实世界目标检测基准

Chih-Hsin Chen, Yu-Tung Liu, Amar Fadillah, Kuan-Ting Lai, Dong Liu

机构 * Department of Electronic Engineering（电子工程系） ； National Taipei University of Technology（台北科技大学） ； Adobe Inc.（Adobe公司） 纠错

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

AI总结 本文提出XWOD基准，包含10010张图像和42924个边界框，涵盖七种极端天气条件，通过训练标准YOLO模型在其他基准上取得显著提升，验证了数据质量。

ReflectDrive-2: Reinforcement-Learning-Aligned Self-Editing for Discrete Diffusion Driving

ReflectDrive-2: 用于离散扩散驾驶的强化学习对齐的自我编辑

Huimin Wang, Yue Wang, Bihao Cui, Pengxiang Li, Ben Lu, Mingqian Wang, Tong Wang, Chuan Tang, Teng Zhang, Kun Zhan

机构 * LiAuto 纠错

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

AI总结 ReflectDrive-2通过平行掩码解码生成离散轨迹令牌，结合强化学习训练提升驾驶性能，实现轨迹实时修正，达到91.0 PDMS成绩。

R4Det: 4D Radar-Camera Fusion for High-Performance 3D Object Detection

R4Det：用于高性能3D目标检测的4D雷达-摄像头融合

Zhongyu Xia, Yousen Tang, Yongtao Wang, Zhifeng Wang, Weijun Qin

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； EBTech Co. Ltd（EBTech公司） 纠错

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

AI总结 R4Det通过全景深度融合模块提升深度估计，设计变形门控时间融合模块以不依赖车辆姿态，结合实例引导动态细化模块，实现更准确的3D目标检测。

Comments Accepted to CVPR 2026

Adversarial Attacks Against MLLMs via Progressive Resolution Processing and Adaptive Feature Alignment

通过渐进分辨率处理和自适应特征对齐对多模态大语言模型进行对抗攻击

Haobo Wang, Xiaorong Ma, Weiqi Luo, Xiaojun Jia, Jiwu Huang

机构 * Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） 纠错

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

AI总结 本文提出PRAF-Attack框架，通过多尺度语义指导和中间层局部对齐提升多模态大语言模型的对抗攻击转移性，实验表明其在多种黑盒MLLM上表现更优。

MVB-Grasp: Minimum-Volume-Box Filtering of Diffusion-based Grasps for Frontal Manipulation

MVB-Grasp：基于扩散模型的抓取生成中最小体积盒过滤用于正前方操作

Bibek Poudel, Abdul Basit, Muhammad Shafique

机构 * Unitree（单位树） ； Intel（英特尔） 纠错

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

AI总结 本文提出MVB-Grasp方法，通过引入最小体积包围盒几何先验，提升低成本机械臂在受限工作空间中的正前方抓取成功率，结合几何过滤与重评分函数，验证了其在Z1机械臂上的有效性。

Comments 8 pages, 12 figures, accepted to IJCNN 2026

Probabilistic Object Detection with Conformal Prediction

基于置信预测的概率目标检测

Christopher Ries, Moussa Kassem Sbeyti, Nicolas Bianco, Nadja Klein

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院（KIT）） 纠错

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

AI总结 本文提出基于置信预测的目标检测方法，通过坐标轴应用和置信区间缩放提升预测精度，同时结合RAPS构建预测集，提升不确定性量化效果。

Comments Code is available at https://github.com/mos-ks/OD-CP

HAIC: Humanoid Agile Object Interaction Control via Dynamics-Aware World Model

HAIC：通过动态感知世界模型实现人形敏捷物体交互控制

Dongting Li, Xingyu Chen, Qianyang Wu, Bo Chen, Sikai Wu, Hanyu Wu, Guoyao Zhang, Liang Li, Mingliang Zhou, Diyun Xiang, Jianzhu Ma, Qiang Zhang, Renjing Xu

机构 * Tsinghua University（清华大学） ； HKUST(Guangzhou)（香港科技大学（广州）） ； ETH Zurich（苏黎世联邦理工学院） ； Xiaomi Robotics Lab（小米机器人实验室） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出HAIC框架，通过动态预测和空间优先级构建动态占用地图，实现人形机器人在复杂动态环境下与不同物体的稳健交互，提升敏捷任务和多物体长周期任务的完成能力。

Comments RSS 2026. Webpage: https://haic-humanoid.github.io/

Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar

通过旋转毫米波雷达实现复杂农田中农业无人机的地形感知

Zhihao Zhan, Le Tao, Shaobin Li, Chenxin Fang, Xingrui Yang, Liang Li, Rui Fan, Yuhang Ming

机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； TopXGun Robotics（TopXGun机器人） ； CARDC ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； College of Electronics and Information Engineering, Tongji University（同济大学电子信息工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种低成本旋转毫米波雷达框架，用于提升农业无人机在复杂农田中的地形感知能力，通过扩大空间覆盖范围和改进地形可观察性，实现更准确的地面提取和连续地形估计。

Dynamics Aware Quadrupedal Locomotion via Intrinsic Dynamics Head

通过内在动力学头部实现动态感知的四足运动

Aman Arora, Nalini Ratha

机构 * Department of Computer Science, University at Buffalo, The State University of New York（纽约州立大学布法罗分校计算机科学系） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出一种新的训练框架，通过内在动力学头部学习状态到力矩的动力学，使控制策略能理解和推理物理动力学，从而提升四足机器人的运动效率和稳定性。

Comments 8 pages, 6 figures

Time-series Meets Complex Motion Modeling: Robust and Computational-effective Motion Predictor for Multi-object Tracking

时间序列与复杂运动建模的交汇：多目标跟踪的鲁棒且计算高效的运动预测器

Nhat-Tan Do, Le-Huy Tu, Nhi Ngoc-Yen Nguyen, Dieu-Phuong Nguyen, Trong-Hop Do

机构 * Faculty of Information Science and Engineering, University of Information Technology, Ho Chi Minh City, Vietnam（1* 信息科学与工程学院，信息技术大学，胡志明市，越南） ； Vietnam National University, Ho Chi Minh City, Vietnam（2 越南国家大学，胡志明市，越南） 纠错

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

AI总结 本文提出TCMP框架，通过改进的TCN网络实现高效多目标跟踪，实验显示其在HOTA、IDF1和AssA等指标上均优于现有方法，且计算效率高。

Learning physically grounded traffic accident reconstruction from public accident reports

从公共事故报告中学习物理基础的交通事故重建

Yanchen Guan, Haicheng Liao, Chengyue Wang, Zhenning Li

机构 * State Key Laboratory of Internet of Things for Smart City（物联网智能城市国家重点实验室） ； Department of Civil Engineering（土木工程系） ； Department of Computer and Information Science（计算机与信息科学系） 纠错

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

AI总结 本文提出基于公共报告和现场测量的参数化多模态学习框架，构建了6217个真实事故案例数据集CISS-REC，实现了交通事故重建的高保真度，优于现有基线方法。

Cloud Is Closer Than It Appears: Revisiting the Tradeoffs of Distributed Real-Time Inference

云比它看起来更近：重新审视分布式实时推理的权衡

Pragya Sharma, Hang Qiu, Mani Srivastava

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of California Riverside（加州大学河滨分校） 纠错

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

AI总结 本文重新审视云推理在实时控制任务中的适用性，通过建立分析模型和仿真实验，证明云平台在高吞吐量资源下可有效缓解网络和排队延迟，从而在安全约束下优于本地推理。

Towards All-Day Perception for Off-Road Driving: A Large-Scale Multispectral Dataset and Comprehensive Benchmark

迈向全天候越野驾驶的感知：一个大规模多光谱数据集和全面基准

Shuo Wang, Jilin Mei, Wenfei Guan, Shuai Wang, Yan Xing, Chen Min, Yu Hu

机构 * Research Center for Intelligent Computing Systems, Institute of Computing Technology, Chinese Academy of Sciences, Beijing（智能计算系统研究中心，计算技术研究所，中国科学院，北京） ； Beijing Institute of Control Engineering（北京控制工程研究所） 纠错

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

AI总结 本文提出IRON数据集和IRONet框架，解决越野夜间驾驶中可见光感知不可靠的问题，通过多光谱数据和内存注意力机制提升全天候自由空间检测性能。

Backdoor Attacks on Prompt-Driven Video Segmentation Foundation Models

针对提示驱动视频分割基础模型的后门攻击

Zongmin Zhang, Zhen Sun, Yifan Liao, Wenhan Dong, Xinlei He, Xingshuo Han, Shengmin Xu, Xinyi Huang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Fujian Normal University（福建师范大学） ； Jinan University（暨南大学） 纠错

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

AI总结 本文研究了针对提示驱动视频分割基础模型的后门攻击，提出BadVSFM框架，通过两阶段策略实现可控的后门效果，实验表明其在多种模型和数据集上具有有效性。

ImagineNav++: Prompting Vision-Language Models as Embodied Navigator through Scene Imagination

ImagineNav++: 通过场景想象促使视觉语言模型作为具身导航器

Teng Wang, Xinxin Zhao, Wenzhe Cai, Changyin Sun

机构 * School of Automation, Southeast University（东南大学自动化学院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出ImagineNav++，通过场景想象将视觉语言模型用于无地图导航，利用想象模块生成高探索潜力的视点，并通过选择性聚焦记忆机制实现空间一致性，实验表明其在无地图导航中表现优异。

Comments 17 pages, 10 figures. arXiv admin note: text overlap with arXiv:2410.09874

StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding

StreamAgent：面向流视频理解的前瞻性代理

Haolin Yang, Feilong Tang, Lingxiao Zhao, Xinlin Zhuang, Yifan Lu, Xiang An, Ming Hu, Xiaofeng Zhang, Abdalla Swikir, Junjun He, Zongyuan Ge, Muhammad Haris Khan, Imran Razzak

机构 * MBZUAI ； Shanghai AI Laboratory（上海人工智能实验室） ； DeepGlint ； Shanghai Jiao Tong University（上海交通大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出StreamAgent，通过整合问题语义和历史观测，预测关键事件的时间进展，调整感知动作，提升流视频处理的响应准确性和实时效率。

Vision-Based Lane Following and Traffic Sign Recognition for Resource-Constrained Autonomous Vehicles

基于视觉的车道跟随与交通标志识别用于资源受限的自动驾驶车辆

Md Tanjemul Islam, Md Rafiul Kabir

机构 * Central Michigan University（中央密歇根大学） 纠错

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

AI总结 本文提出轻量级视觉框架，用于嵌入式自动驾驶车辆的车道检测、跟踪和交通标志识别，通过高效算法实现实时性能与高精度车道跟踪。

Comments 2026 International Conference on Intelligent Systems, Blockchain, and Communication Technologies

GCP: Guarded Collaborative Perception with Spatial-Temporal Aware Malicious Agent Detection

GCP: 带空间-时间感知恶意代理检测的防护协作感知

Yihang Tao, Senkang Hu, Yue Hu, Haonan An, Hangcheng Cao, Yuguang Fang

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Department of Robotics, University of Michigan（密歇根大学机器人系） 纠错

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

AI总结 本文提出GCP框架，通过空间-时间感知恶意代理检测提升协作感知安全性，采用置信度加权空间一致性损失和联合空间-时间Benjamini-Hochberg检验，有效应对恶意代理攻击，实验显示在BAC攻击下AP@0.5提升34.69%。

Comments Accepted by IEEE TDSC

Transferable Physical-World Adversarial Patches Against Pedestrian Detection Models

可迁移的物理世界对抗性补丁对抗行人检测模型

Shihui Yan, Ziqi Zhou, Yufei Song, Yifan Hu, Minghui Li, Shengshan Hu

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 本文提出TriPatch方法，结合多阶段协同攻击与物理多样性下的鲁棒性增强，解决现有物理攻击在多阶段决策管道系统中缺乏系统性干扰和复杂物理变化建模不足的问题。

Ufil: A Unified Framework for Infrastructure-based Localization

Ufil：基于基础设施的定位统一框架

Simon Schäfer, Lucas Hegerath, Marius Molz, Massimo Marcon, Bassam Alrifaee

机构 * Chair of Embedded Software, RWTH Aachen University（嵌入式软件研究所，亚琛工业大学） ； Department of Aerospace Engineering, University of the Bundeswehr Munich（国防军械大学慕尼黑航空航天工程系） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 Ufil提供标准化对象模型和可重用多目标跟踪组件，通过集成异构数据源实现高精度车道定位，验证了其跨平台执行能力与高效实时性能。

Comments 8 pages, 6 figures, this work was submitted to IEEE International Conference on Intelligent Transportation Systems (ITSC) 2026

OVPD: A Virtual-Physical Fusion Testing Dataset of OnSite Auton-omous Driving Challenge

OVPD：OnSite自动驾驶挑战赛的虚拟-物理融合测试数据集

Yuhang Zhang, Jiarui Zhang, Bowen Jian, Xin Zhou, Zhichao Lv, Peng Hang, Rongjie Yu, Ye Tian, Jian Sun

机构 * College of Transportation, Tongji University, Shanghai 201804, China（同济大学交通运输学院，上海201804，中国） 纠错

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

AI总结 OVPD数据集通过融合虚拟背景交通与车辆-基础设施感知，构建可控互动闭环测试环境，提供多模态数据用于长期规划与决策验证，支持安全、效率等多维度评估。

Comments 11 pages, 6 figures, 3 tables

Multimodal embodiment-aware navigation transformer

多模态具身感知导航Transformer

Louis Dezons, Quentin Picard, Rémi Marsal, François Goulette, David Filliat

机构 * LARIAD 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出ViLiNT，通过融合多模态数据提升机器人导航鲁棒性，利用Transformer和扩散模型生成可导航路径，实现在不同环境中导航成功率提升166%。

Comments 8 pages, 7 figures

When Can We Trust Deep Neural Networks? Towards Reliable Industrial Deployment with an Interpretability Guide

当我们可以信任深度神经网络？迈向可靠工业部署的可解释性指南

Hang-Cheng Dong, Yuhao Jiang, Yibo Jiao, Lu Zou, Kai Zheng, Bingguo Liu, Dong Ye, Guodong Liu

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

AI总结 本文提出一种基于事后解释的指标，用于检测二分类缺陷检测网络中的假阴性，通过计算类别特定判别热图与类别无关热图的交并比差异作为可靠性评分，并引入对抗增强方法以放大差异，实验证明该方法能有效识别假阴性，尽管牺牲了真阴性率。

RESFL: An Uncertainty-Aware Framework for Responsible Federated Learning by Balancing Privacy, Fairness and Utility

RESFL: 一种通过平衡隐私、公平性和效用来实现负责任的联邦学习的不确定性感知框架

Dawood Wasif, Terrence J. Moore, Jin-Hee Cho

机构 * Virginia Tech（弗吉尼亚理工大学） ； U.S. Army Research Laboratory（美国陆军研究实验室） 纠错

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

AI总结 RESFL框架通过结合对抗性隐私解耦和不确定性引导的公平性感知聚合，提升联邦学习中隐私与公平性的平衡，实验表明其在自动驾驶场景中提升了检测性能并降低了对抗攻击成功率。

Comments Accepted at ICLR 2026; camera-ready version

Fed3D: Federated 3D Object Detection

Fed3D: 联邦3D目标检测

Suyan Dai, Chenxi Liu, Fazeng Li, Peican Lin

机构 * School of Automation Science and Enginnering, South China University of Technology（华南理工大学自动化科学与工程学院） ； State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所机器人重点实验室） ； Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences（中国科学院机器人与智能制造研究院） 纠错

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

AI总结 本文提出Fed3D框架，解决多机器人感知网络中3D目标检测的隐私保护与数据异质性问题，通过局部-全局类感知损失和联邦3D提示模块降低通信成本。

VAGNet: Vision-based Accident Anticipation with Global Features

VAGNet：基于视觉的事故预测与全局特征

Vipooshan Vipulananthan, Charith D. Chitraranjan

机构 * Department of Computer Science and Engineering, University of Moratuwa（moratuwa大学计算机科学与工程系） 纠错

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

AI总结 本文提出VAGNet，通过全局特征预测事故，提升实时性与效率，实验显示在四个数据集上精度和响应时间均优于现有方法。

Power in Numbers: Primitive Algorithm for Swarm Robot Navigation in Unknown Environments

数字中的力量：用于未知环境的原始群体机器人导航算法

Yusuke Tsunoda, Shoken Otsuka, Kazuki Ito, Runze Xiao, Keisuke Naniwa, Yuichiro Sueoka, Koichi Osuka

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种简单的群体机器人导航算法，利用机器人数量进行未知环境导航，无需环境感知或复杂通信。

Comments 11 pages, 22 figures

Journal ref Robotics and Autonomous Systems, Volume 198, 2026, 105329, ISSN 0921-8890

CAVERS: Multimodal SLAM Data from a Natural Karstic Cave with Ground Truth Motion Capture

CAVERS：从自然喀斯特洞穴获取多模态SLAM数据并采用地面真实运动捕捉

Giacomo Franchini, David Rodríguez-Martínez, Alfonso Martínez-Petersen, C. J. Pérez-del-Pulgar, Marcello Chiaberge

机构 * Polytechnic of Turin Interdepartmental Centre for Service Robotics (PIC4SeR)（都灵理工大学服务机器人跨部门研究中心（PIC4SeR）） ； Systems Engineering and Automation Department, Universidad de Málaga（马德里大学系统工程与自动化系） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出CAVERS数据集，通过地面真实运动捕捉系统提供高精度姿态和速度数据，验证了多模态传感器在复杂洞穴环境中的SLAM算法性能。

Comments 8 pages, 5 figures, preprint version