自动驾驶

SparseOcc++: Geometry-Aware Sparse Latent Representation for Semantic Occupancy Prediction

SparseOcc++：用于语义占用预测的几何感知稀疏潜在表示

Pin Tang, Zhongdao Wang, Guoqing Wang, Xiangxuan Ren, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（教育部人工智能重点实验室，上海交通大学人工智能研究院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV

AI总结 研究针对基于视觉的3D语义占用预测，提出SparseOcc++框架，通过场景完成场将场景完成与语义分割解耦，用新方法建模复杂户外几何，实验表明其提升了IoU且速度更快。

DriveStack-VLA: Render-Teacher Alignment for BEV-Based DeepStack Vision-Language-Action Model

DriveStack-VLA: 基于BEV的DeepStack视觉-语言-动作模型的渲染-教师对齐

Jingke Wang, Zhenru Zhao, Shuangming Lei, Hao Su, Yuehao Huang, Yijia Xie, Kai Tang, Guanglin Xu, AiXue Ye, Yukai Ma, Yong Liu

机构 * Zhejiang University（浙江大学） ； The 2012 Labs, Huawei（华为2012实验室） 纠错

专题命中 BEV与占用 ：BEV(title,title_cn)；分类 cs.CV

AI总结 提出DriveStack-VLA框架，通过DeepStack连接注入BEV表示并采用渲染-教师对齐增强空间感知，引入自批评模块优化轨迹选择，在多个驾驶基准上取得领先性能。

Shared Voxel-Map-Based Cooperative Indoor UAV Guidance with a Multi-Agent Soft Actor-Critic Controller

基于共享体素地图的多智能体软演员-评论家控制器协同室内无人机导航

Thomas Hickling, Dylan Wynne, Yu Su, Nabil Aouf

专题命中 BEV与占用 ：LiDAR(summary_cn,abstract)；BEV(abstract)；occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 研究室内无人机协同导航问题，提出结合共享体素地图与多智能体软演员-评论家控制器的框架，多无人机融合LiDAR观测构建地图并提供给各智能体，模拟中控制器成功率达90.3%，经微调后在现实实验中实现稳定协同操作，证明该地图表示有效且可扩展。

Comments 11 pages, 17 figures

GaussianMap: Learning Gaussian Representation for Multi-Sensor Online HD Map Construction

GaussianMap: 学习高斯表示用于多传感器在线高清地图构建

Hongyu Lyu, Julie Stephany Berrio Perez, Mao Shan, Stewart Worrall

机构 * The University of Sydney, Australian Centre for Robotics（悉尼大学澳大利亚机器人中心） ； The University of Queensland（昆士兰大学） 纠错

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 提出GaussianMap框架，利用自适应高斯表示代替固定分辨率BEV网格，通过高斯编码器与多传感器融合，实现高效在线高清地图构建，在nuScenes和Argoverse 2上达到SOTA。

SceneMiner: Identity-Preserving Multi-Task Fine-Tuning for Unified BEV Scene Mining

SceneMiner: 保持身份的多任务微调用于统一BEV场景挖掘

Abdalmalek Aburaddaha, Venkatraman Narayanan, Keval Thaker, Samir A. Rawashdeh

机构 * University of Michigan-Dearborn（密歇根大学迪尔伯恩分校） 纠错

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

AI总结 提出SceneMiner，一种统一的仅相机鸟瞰图管道，通过冻结视觉语言骨干网络在单次前向传播中发出互补的挖掘信号，并发现跨任务干扰问题，通过零初始化新子模块和冻结共享流参数的身份保持多任务微调解决。

OmniDrive: An LLM-Choreographed Multi-Agent World Model with Unified Latent Co-Compression for Multi-View Driving Video Generation

OmniDrive: 一种由LLM编排的多智能体世界模型，用于多视角驾驶视频生成的统一潜在协同压缩

Zijie Meng, Yufei Liu, Chengqian Ma, Zhiyu Li, Jiyuan Liu, Wenhua Nie, Bingcai Wei, Shuqin Chen, Weichen Xu, Jiquan Yuan, Miao Zhang

机构 * Peking University（北京大学） ； Xiamen University（厦门大学） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； National Taiwan University（国立台湾大学） ； Wuhan University（武汉大学） ； Wuhan University of Technology（武汉理工大学） ； Tsinghua University（清华大学） ； Jimei University（集美大学） 纠错

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 提出DRIVE-CHOREO，一种由LLM编排的多智能体世界模型，通过三个Qwen2.5-VL智能体协同生成位置感知的潜在序列，并利用视图-时间置换与3D VAE协同压缩，实现可控多视角视频生成，在nuScenes上达到SOTA多视角一致性和BEV mAP 21.6。

Comments 24 pages, 10 figures

Driver2Map: Imitating Human Driving for Online High-Definition Map Construction

Driver2Map：模仿人类驾驶的在线高清地图构建

Pan Yin, Runtian Xia, Weisong Kuang, Kaiyu Li, Cong Zhao, Xiangyong Cao

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 该研究提出受人类驾驶启发的Driver2Map模型，可融合三种模态数据，通过两阶段对齐、姿态引导BEV融合等模块提升在线高清地图构建性能，在IoU和AP指标上优于现有方法。

VLN-AVP: Zero-Shot Vision-Language Navigation with Hybrid Long-Short-Term Memory for Autonomous Valet Parking

VLN-AVP：用于自动代客泊车的基于混合长短时记忆的零样本视觉语言导航

Yijian Li, Xiangru Mu, Changze Li, Hantian Shi, Jiyuan Cai, Jia Cai, Xiaoxue Liu, Yajing Sun, Ming Yang, Tong Qin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（银望智能科技有限公司） 纠错

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；autonomous driving(abstract)；分类 cs.RO

AI总结 研究针对自主代客泊车依赖预建地图限制可扩展性问题，提出VLN-AVP零样本导航框架，结合BEV模型与VLM，引入混合记忆系统，构建数据集和基准，实验证明该方法在模拟和实际车辆实验中均有良好效果，提升了成功率。

Humanoid-OmniOcc: Stereo-Based Full-View Occupancy Dataset for Embodied AI

Humanoid-OmniOcc：面向具身智能的立体全景占用数据集

Xianda Guo, Bohao Zhang, Chenwei Huang, Shiyuan Chen, Ruilin Wang, Yiqun Duan, Cong Yang, Qin Zou, Wei Sui

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； D-Robotics（地瓜机器人） ； Soochow University（苏州大学） ； UTS（悉尼科技大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 针对现有占用数据集局限于自动驾驶场景的问题，提出面向人形机器人的大规模全景立体占用数据集Humanoid-OmniOcc，采用Real2Sim2Real闭环范式，并设计立体引导占用模型，在模拟和真实环境中均优于单目基线。

HRDX: A Large-Scale Vector HD-Map Dataset

HRDX：大规模矢量高清地图数据集

Sahith Reddy Chada, Isht Dwivedi, Nirav Savaliya

机构 * Honda Research Institute US（本田美国研究院） 纠错

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

AI总结 提出HRDX大规模矢量高清地图数据集，覆盖1400公里驾驶数据，含10类地图元素和20多种属性，并引入复合评分评估几何与属性准确性。

Comments https://usa.honda-ri.com/hrdx

GPOcc++: Unified Sparse Gaussian Occupancy Prediction with Visual Geometry Priors

GPOcc++：具有视觉几何先验的统一稀疏高斯占用预测

Changqing Zhou, Yueru Luo, Yulan Guo, Bing Wang, Jie Qin, Changhao Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Sun Yat-sen University（中山大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 研究针对3D场景理解中从视觉观察恢复完整体积表示的挑战，提出GPOcc++，它基于视觉几何先验，将其转换为占用感知的稀疏高斯表示，能在统一框架中处理多视图观察和时间序列，扩展到室外，实验证明其性能强、效率高且泛化能力好。

MVDGC: Joint 3D and 2D Multi-view Pedestrian Detection via Dual Geometric Constraints

MVDGC: 通过双重几何约束的联合3D和2D多视角行人检测

Thinh Phan, Hao Vo, Khoa Vo, Thanh Ngo, Cuong Pham, Ngan Le

机构 * University of Arkansas（阿肯色大学） ； University of Information Technology（信息技术大学） ； Posts and Telecommunications Institute of Technology (PTIT)（邮电技术学院） 纠错

专题命中 BEV与占用 ：BEV(summary_cn,abstract)；分类 cs.CV

AI总结 提出MVDGC框架，利用3D圆柱查询联合优化BEV平面定位和2D边界框，通过双重几何约束解决透视变换导致的特征畸变和密集区域定位模糊问题。

RoadWeaver: Large-Scale Lane-Level HD Map Generation from Scratch for Autonomous Driving Simulation

RoadWeaver：面向自动驾驶仿真的从零开始大规模车道级高清地图生成

Yueyuan Li, Zexi Chen, Weijie Xi, Mingyang Jiang, Songan Zhang, Hanyang Zhuang, Ming Yang

专题命中 BEV与占用 ：autonomous driving(title,abstract)；分类 cs.RO、cs.AI

AI总结 该研究提出RoadWeaver框架，以由粗到细的方式从零生成大规模车道级高清地图，其性能优于现有最优方法，生成的地图可直接用于自动驾驶仿真。

Comments 8 pages, 6 figures, 2 tables

GEM-Occ: From Visual Geometry Evidence to Embodied Semantic Occupancy Memory

GEM-Occ：从视觉几何证据到具身语义占用记忆

Hu Zhu, Bohan Li, Xianda Guo, Hongsi Liu, Baorui Peng, Mingqi Yuan, Xin Jin, Wenjun Zeng, Chang Wen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东部理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 研究针对现有室内占用基准和方法对长距离语义映射探索不足的问题，提出GEM-Occ框架，将局部视觉几何预测转化为语义高斯占用证据等并融合到持久分层记忆中，实验证明该框架在多方面优于现有基线。

Comments 19 pages, 6 figures. Project page: https://zhuhu00.top/GEM-Occ/

FLM-Occ: Feed-forward Likelihood Maximization for Efficient Indoor Occupancy Prediction

FLM-Occ: 前向似然最大化用于高效室内占据预测

Guangcheng Chen, Lihuang Fang, Huaqi Tao, Yicheng He, Li He, Hong Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (Shenzhen)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen Key Laboratory of Robotics and Computer Vision（深圳市机器人视觉与感知重点实验室） 纠错

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

AI总结 针对现有方法在空区域产生虚假基元的问题，提出前向似然最大化框架，将占据预测建模为体素分布估计，通过最大化真实占据体素的似然来训练网络，实现高效准确的室内占据预测。

Comments Accepted to ECCV 2026

Bayesian inference on beta diversity via feature allocation models with imperfect detection

基于含不完美检测的特征分配模型的贝塔多样性贝叶斯推断

Federica Stolf, Tommaso Rigon, David B. Dunson

专题命中 BEV与占用 ：occupancy(summary_cn,abstract)

AI总结 针对含不完美检测的物种出现数据，提出结合潜在特征分配模型与基于 occupancy 的检测机制的贝叶斯特征分配模型，实现贝塔多样性的有效推断，模拟与真菌数据应用验证其性能提升。

Which Green Technology to Subsidize? Evidence from Electric Vehicles in South Korea

补贴哪项绿色技术？来自韩国电动汽车的证据

Youngjin Hong, In Kyung Kim, Frank Verboven

专题命中 BEV与占用 ：BEV(summary_cn,abstract)

AI总结 研究构建框架比较补贴替代减排技术有效性，应用于韩国乘用车市场，发现将补贴从BEV重分配给HEV可额外减排47%，在特定条件下BEV补贴才更优，表明当前HEV补贴更有效。

OccPlanner: Goal-Aware Occupancy-Conditioned Diffusion Planner for Pixel-Goal Navigation

OccPlanner：面向像素目标导航的目标感知占用条件扩散规划器

Binling Huang, Nianjin Ye, Xi Yang, Liang Hu, Zhou Huang, Shuang Wei, Longrui Yang, Yanchi Chen, Lanpeng Jia

机构 * Changhong Intelligent Robot（长虹智能机器人） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO

AI总结 该研究针对像素目标导航的3D目标定位与无碰撞规划难题，提出OccPlanner模型，引入L3ROcc生成监督，在仿真中大幅提升导航成功率，还验证了其仿真到真实的迁移适配性。

Comments Technical report. 11 pages, 6 figures, and 2 tables

Signature-Guided Capacity Occupancy for Dense Expert Merging

签名引导的容量占用用于密集专家合并

Lingching Tung, Chi-Jui Kim, Beicheng Xu, Yuchen Wang, Bin Cui

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.AI

AI总结 针对密集专家合并的跨专家冲突容量分配等问题，提出SigMerge框架，在21种配对设置中优于三类基线合并方法，平均提升15.0%且获最佳平均排名。

Comments 31 pages, 20 figures

Group-wise Supervision with Focal-Dice Loss for Long-Tailed Indoor Semantic Occupancy Prediction

用于长尾室内语义占用预测的分组监督与焦点-骰子损失

Qi Zheng, Zihuang Su, Xiao Pan

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； Guangdong Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 针对室内语义占用预测的长尾类别瓶颈，提出Group-UFD Occ方法，通过分组策略与UFD损失优化，在EmbodiedScan数据集上较基线实现11.38%相对提升，长尾类别精度显著提高。

Comments 8 pages, 2 figures

InterOCF: Spatio-Temporal 2D-3D Interaction for Camera-Only 4D Occupancy Forecasting

InterOCF：用于仅相机4D占用预测的时空2D-3D交互

Qi Zhang, Xinquan Yu, Kaiyi Zhang, Hui Huang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究针对仅相机4D占用预测中输入多视图帧间时空建模不足问题，提出InterOCF框架，通过联合建模3D体素表示和多视图分割序列中的时间动态，并纳入2D与3D分支特征交互，实验证明其性能优于现有方法。

Comments 12 pages, 7 figures

Learning Adaptive Semantic Gaussian Allocation for 3D Occupancy

学习用于3D占用的自适应语义高斯分配

Kanglin Ning, Yiran Zhao, Wenrui Li, Houde Quan, Qifan Li, Xingtao Wang, Xiaopeng Fan

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究3D语义占用预测中高斯表示的分配问题，提出语义高斯分配变换器（SAGFormer），利用高斯属性和局部几何语义特征评分选高斯，实验表明该方法能改进占用预测，使高斯表示更优，显式容量分配是有用补充。

Household Movement Detection in Mixed-Format Occupancy Data Using LLM-Based Entity Resolution

使用基于大语言模型的实体解析在混合格式居住数据中进行家庭移动检测

Sasirekha Oguri, John R. Talburt, Mert Can Cakmak

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.AI

AI总结 研究在混合格式居住数据中检测家庭移动相关间接实体链接的问题，核心方法是集成基于提示的LLM命名实体识别、语义文本嵌入和基于图的推理，主要贡献是提高召回率和F1分数。

Comments Computer Science & Information Technology (CS & IT) ISSN : 2231 - 5403, Volume 16, Number 10, May 2026

VGOcc: Learning Visual-Geometric Gaussians for Vision-Centric 3D Driving Occupancy Prediction

VGOcc：学习视觉几何高斯用于以视觉为中心的3D驾驶占用预测

Junhong Lin, Xianda Guo, Kangli Wang, Yuqi Ye, Xiaoyu Liang, Yanlun Peng, Wei Gao

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究仅视觉3D驾驶占用预测问题，提出VGOcc方法，通过从基础模型学习视觉和几何线索，纳入高斯建模的初始化与细化，实现高效语义占用预测，在nuScenes实验中达最优性能。

FDR-Occ: Factorized Dense Routing for Full-Spectrum 3D Occupancy Prediction

FDR-Occ：用于全光谱3D占用预测的因子分解密集路由

Dubing Chen, Huan Zheng, Tianyi Yan, Yucheng Zhou, Runzhou Tao, Zhongying Qiu, Jianfei Yang, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学物联网与智慧城市国家重点实验室、计算机与信息科学系） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法里智能驾驶有限公司） ； Geely Automobile Research Institute (Ningbo) Co., Ltd.（吉利汽车研究院（宁波）有限公司） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 研究基于视觉的3D占用预测，将视图变换抽象为无约束二分路由并提出因子分解密集路由（FDR），引入分辨率-上下文解耦架构，实验表明该框架性能优，在未校准设置中结构稳健性强。

Comments ECCV 2026

Sparse-Aware Vector Quantization for Bandwidth-Efficient Collaborative 3D Semantic Occupancy Prediction

稀疏感知向量量化用于带宽高效的协作3D语义占据预测

Feng Li, Chaokun Zhang, Gong Chen

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； School of Cybersecurity, Tianjin University（天津大学网络空间安全学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出稀疏感知向量量化（SAVQ）机制，利用3D场景稀疏性压缩编码信息区域，大幅降低通信开销同时保持几何完整性，并设计双分支自适应空间细化模块增强结构一致性，实现高达82倍通信量减少。

Comments Accepted by ECCV26

Bridging 3D Gaussians and Semantic Occupancy for Comprehensive Open-Vocabulary Scene Understanding from Unposed Images

桥接3D高斯与语义占据：从无位姿图像实现开放词汇的全面场景理解

Hu Zhu, Bohan Li, Xianda Guo, Yanlun Peng, Zheng Zhu, Xin Jin, Wenjun Zeng, Chang Wen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； Great Wall Motor（长城汽车） ； Tsinghua University（清华大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（东方理工大学宁波数字孪生研究院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出COVScene框架，通过可微体积提升将可渲染高斯原语与密集语义占据场耦合，实现无位姿图像下的新颖视图合成、开放词汇语义查询和语义占据预测。

Comments Hu Zhu, Bohan Li, and Xianda Guo contributed equally. Corresponding author: Wenjun Zeng

Toward Parking Spot Occupancy Recognition: A Self-Supervised Approach

面向停车位占用识别的自监督方法

Luan Marko Kujavski, Rayson Laroca, Paulo Lisboa de Almeida

机构 * Federal University of Paraná（巴拉那联邦大学） ； Pontifical Catholic University of Paraná（巴拉那天主教大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出一种无需目标停车场标签的自监督方法，通过两阶段自监督训练和微调，在三个公开数据集上平均准确率达97.2%，两阶段策略进一步提升至97.8%。

Comments Accepted for presentation at the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026)

Occ-VLM: Occupancy Grounded Vision Language Model for Indoor Scene Understanding

Occ-VLM: 面向室内场景理解的占用接地视觉语言模型

Jianing Li, Zhou Fang, Yijiang Liu, Li Du

机构 * School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.CV

AI总结 提出Occ-VLM，仅用姿态RGB图像和单一2D视觉编码器，通过重建3D占用作为几何先验，实现统一的3D场景理解，在占用预测、3D VQA和密集描述任务上达到领先水平。

Information-Preserving Continuous Occupancy Mapping with Variance-Weighted Submap Joining

基于方差加权子图拼接的信息保持连续占据地图构建

Zhuhua Bai, Yingyu Wang, Liang Zhao, Shoudong Huang

机构 * University of Technology Sydney（悉尼科技大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO

AI总结 提出首个连续概率子图拼接框架，通过信息保持稀疏贝叶斯公式压缩观测数据为充分统计量，联合优化子图位姿与全局占据场，实现高精度位姿估计与全局一致性地图。

Comments 12 pages, 7 figures