自动驾驶

End-to-End Deep Learning of Lane Detection and Path Prediction for Real-Time Autonomous Driving

Der-Hau Lee, Jinn-Liang Liu

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI

Comments 6 pages, 4 figures

Label Efficient Visual Abstractions for Autonomous Driving

Aseem Behl, Kashyap Chitta, Aditya Prakash, Eshed Ohn-Bar, Andreas Geiger

专题命中 感知 ：autonomous driving(title)；end-to-end driving(abstract)；分类 cs.RO、cs.CV、cs.AI

Comments International Conference on Intelligent Robots and Systems (IROS), 2020. First two authors contributed equally, listed in alphabetical order

SemanticVoxels: Sequential Fusion for 3D Pedestrian Detection using LiDAR Point Cloud and Semantic Segmentation

Juncong Fei, Wenbo Chen, Philipp Heidenreich, Sascha Wirges, Christoph Stiller

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV、eess.IV

Comments Accepted to present in the 2020 IEEE International Conference on Multisensor Fusion and Integration (MFI 2020)

Commonsense Visual Sensemaking for Autonomous Driving: On Generalised Neurosymbolic Online Abduction Integrating Vision and Semantics

Jakob Suchan, Mehul Bhatt, Srikrishna Varadarajan

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI

Comments This is a preprint / review version of an accepted contribution to be published as part of the Artificial Intelligence Journal (AIJ).? The article is an extended version of an IJCAI 2019 publication [74, arXiv:1906.00107]

Exploiting Multi-Layer Grid Maps for Surround-View Semantic Segmentation of Sparse LiDAR Data

Frank Bieder, Sascha Wirges, Johannes Janosovits, Sven Richter, Zheyuan Wang, Christoph Stiller

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV、eess.IV

Multi-IF : An Approach to Anomaly Detection in Self-Driving Systems

Kun Cheng, Yuebin Bai, Yuan Zhou, Chao Yu, Yang Liu

专题命中 感知 ：self-driving(title,abstract)；autonomous driving(abstract)

Co-Optimizing Performance and Memory FootprintVia Integrated CPU/GPU Memory Management, anImplementation on Autonomous Driving Platform

Soroush Bateni, Zhendong Wang, Yuankun Zhu, Yang Hu, Cong Liu

专题命中 感知 ：autonomous driving(title,abstract)；self-driving(abstract)

HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection

Maosheng Ye, Shuangjie Xu, Tongyi Cao

专题命中 感知 ：LiDAR(title)；autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI

Comments accepted to CVPR 2020

DeepBbox: Accelerating Precise Ground Truth Generation for Autonomous Driving Datasets

Govind Rathore, Wan-Yi Lin, Ji Eun Kim

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、eess.IV、cs.AI

Comments accepted by ITSC 2019

Lidar-based Object Classification with Explicit Occlusion Modeling

Xiaoxiang Zhang, Hao Fu, Bin Dai

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV、eess.IV

Incorporating Human Domain Knowledge in 3D LiDAR-based Semantic Segmentation

Jilin Mei, Huijing Zhao

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV、eess.IV

Comments 8 Pages

Deep Object-Centric Policies for Autonomous Driving

Dequan Wang, Coline Devin, Qi-Zhi Cai, Fisher Yu, Trevor Darrell

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI

Comments Accepted at ICRA 2019

When Does Adaptive Guidance Help? Belief-Aware Privileged Distillation for Autonomous Driving Under Partial Observability

自适应引导何时有帮助？部分可观测条件下自动驾驶的信念感知特权蒸馏

Mehmet Haklidir

机构 * TUBITAK BILGEM Artificial Intelligence Institute（土耳其TUBITAK BILGEM人工智能研究所） 纠错

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

AI总结 本文提出信念感知GSAC（BA-GSAC），通过集成分歧动态调节蒸馏系数，系统研究自适应引导在部分可观测自动驾驶中的有效性，发现严重遮挡下系数过早崩溃，并揭示可观测性盲区问题。

Comments 9 pages, 3 figures, 7 tables. Accepted at CVPR 2026 Workshop on Autonomous Driving (WAD)

Person Detection and Tracking from an Overhead Crane LiDAR

从高空起重机Li DAR进行人员检测与跟踪

Nilusha Jayawickrama, Henrik Toikka, Risto Ojala

机构 * School of Engineering Aalto University Espoo, Finland（工程学院 阿尔沃大学 埃斯波芬兰） ； School of Electrical Engineering Aalto University Espoo, Finland（电气工程学院 阿尔沃大学 埃斯波芬兰） 纠错

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV

AI总结 本文提出了一种基于高空起重机Li DAR的人员检测与跟踪方法，通过定制数据集和统一训练协议提升检测性能，并整合轻量级跟踪算法，实现了高精度的实时应用。

Comments 8 pages, 7 figures, 4 tables. Submitted to Ubiquitous Robots (UR) 2026. Code: https://github.com/nilushacj/O-LiPeDeT-Overhead-LiDAR-Person-Detection-and-Tracking

Selective Communication for Cooperative Perception in End-to-End Autonomous Driving

Hsu-kuang Chiu, Stephen F. Smith

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

Comments Scalable Autonomous Driving Workshop of IEEE International Conference on Robotics and Automation (ICRA Workshop), 2023

LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object Detection

Yi Wei, Zibu Wei, Yongming Rao, Jiaxin Li, Jie Zhou, Jiwen Lu

专题命中 感知 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV

Comments Accepted to ECCV 2022. Code is available at https://github.com/weiyithu/LiDAR-Distillation

Workshop on Autonomous Driving at CVPR 2021: Technical Report for Streaming Perception Challenge

Songyang Zhang, Lin Song, Songtao Liu, Zheng Ge, Zeming Li, Xuming He, Jian Sun

专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI

Comments Report of the 1st Place of Streaming Perception Challenge(Workshop on Autonomous Driving at CVPR 2021)

Scene Understanding Networks for Autonomous Driving based on Around View Monitoring System

JeongYeol Baek, Ioana Veronica Chelu, Livia Iordache, Vlad Paunescu, HyunJoo Ryu, Alexandru Ghiuta, Andrei Petreanu, YunSung Soh, Andrei Leica, ByeongMoon Jeon

专题命中 感知 ：autonomous driving(title,comments)；LiDAR(abstract)；分类 cs.CV、cs.AI

Comments Accepted by CVPR 2018 Workshop on Autonomous Driving

RESOLVE: A Multi-Resolution and Multi-Modal Dataset for Roadside Cooperative Perception

RESOLVE：用于路边协同感知的多分辨率多模态数据集

Shaozu Ding, Linan Song, Marco De Vincenzi, Dajiang Suo

机构 * The Polytechnic School, Arizona State University（亚利桑那州立大学理工学院） ； Department of Computer Science and Engineering, New York University（纽约大学计算机科学与工程系） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.CV

AI总结 提出RESOLVE数据集，包含多分辨率LiDAR和相机-LiDAR同步数据，用于评估路边3D检测与跟踪中的单模态与融合架构，揭示多模态融合如何补偿LiDAR点稀疏性。

Comments Accepted to ECCV 2026. Including supplementary material

ShotcreteDepth: A Bi-modal Dataset for Robust Robotic Depth Perception in Shotcrete Construction Environments

ShotcreteDepth：用于喷射混凝土施工环境中鲁棒机器人深度感知的双模态数据集

Jakub Gregorek, Lars Arnold Dethlefsen, Patrick Schmidt, Mads Essenbæk, Jonas Flink Bentzen, Lazaros Nalpantidis

机构 * Technical University of Denmark, Department of Electrical and Photonics Engineering（丹麦技术大学电气与光子工程系） ； Pioneer Centre for AI（人工智能先锋中心） ； Christiansen & Essenbæk A/S（Christiansen & Essenbæk 公司） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 针对喷射混凝土施工环境中的感知挑战，提出双模态数据集ShotcreteDepth，包含立体RGB图像和LiDAR点云，并附带轻量级标注工具，支持立体匹配、深度补全和深度估计研究。

DrivingVoxels: Compositional Sparse Voxel Rasterization for Dynamic Driving Scene Reconstruction

DrivingVoxels：用于动态驾驶场景重建的组合稀疏体素光栅化

Tania Aguirre, Luis Roldão, Moussab Bennehar, Nathan Piasco, Dzmitry Tsishkou, Simone Rossi, Pietro Michiardi

机构 * Noah’s Ark, Huawei Paris Research Center, France（华为巴黎研究中心诺亚方舟实验室） ； EURECOM, France（法国EURECOM） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.CV

AI总结 提出DrivingVoxels框架，通过组合多个独立八叉树的稀疏体素联合光栅化，结合LiDAR引导的结构初始化，高效重建动态驾驶场景，在PandaSet上达到与3DGS相当或更优的感知与结构指标，且训练时间更短。

ARGUSTRACK: A Multi-View Annotation System for Multi-Object Tracking

ARGUSTRACK: 一种用于多目标跟踪的多视图标注系统

Hao Vo, Duc Nguyen, Ngan Le

机构 * AICV Lab, University of Arkansas（阿肯色大学AICV实验室） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 提出ARGUSTRACK多相机标注系统，通过鸟瞰图平面直接标注并自动投影到各视图，结合时间传播和半自动生成候选框，显著减少多相机多目标跟踪的标注时间。

ForEnt: A Multi-Modal Dataset for Characterizing Quadruped Robot Entrapments in Forest Environments

ForEnt: 用于表征四足机器人在森林环境中被困的多模态数据集

Natapat Kirdwichai, Danesh Tarapore

机构 * University of Southampton（南安普顿大学） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 针对四足机器人在森林中因植被缠绕而倾覆的问题，提出多模态数据集ForEnt，包含RGB-D、LiDAR、本体感知和第三人称视频，记录69次被困事件，支持可重复的基准测试。

Comments 8 pages, 7 figures

SP-TransientBench: A Real-Captured Single Photon Perception Benchmark

SP-TransientBench: 一个真实捕获的单光子感知基准

Hongzhou Dong, Zili Zhang, Ziting Wen, Yiheng Qiang, Runrong Deng, Wenle Dong, Ziwen Jiang, Xinyang Li, Rui Lu, Shuoyao Sun, Wenyu Wang, Ziyi Xia, Haitao Zheng, Guodong Shi, Xiaoqiang Ren

机构 * Shanghai University（上海大学） ； Southern University of Science and Technology（南方科技大学） ； The University of Sydney（悉尼大学） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.CV

AI总结 针对单光子LiDAR在真实场景中因噪声和多回波瞬态现象导致的感知挑战，提出包含10个场景、10297个视角的真实捕获多任务基准STB，支持深度估计、多视图重建和3D语义理解评估。

Modality-Aware Feature Matching in Visual and Vision-Language Applications: A Comprehensive Survey

视觉与视觉-语言应用中的模态感知特征匹配：全面综述

Weide Liu, Wei Zhou, Jun Liu, Ping Hu, Jun Cheng, Jungong Han, Weisi Lin

机构 * School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算机与通讯学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡资讯研究院，科技研究局（A*STAR）） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.CV

AI总结 综述基于模态的特征匹配，涵盖传统手工方法和现代深度学习方法，重点讨论跨RGB、深度、3D点云、LiDAR、医学图像及视觉-语言模态的进展，突出模态感知技术。

Comments CSUR

Understanding Cross-Sensor Feature Variations for Generalizable 3D Perception

理解跨传感器特征变化以实现可泛化的3D感知

Xin Qiu, Wenjie Liu, Fuyuan Ai, YuChen Tan, Zhiwei Xu, Chunyi Song

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 针对雷达-相机BEV感知跨数据集性能下降问题，提出频域场景变化建模框架，通过合成多样源域视图并正则化融合表示，提升3D检测器鲁棒性，无需目标域样本。

CU-Multi: A Dataset for Multi-Robot Collaborative Perception

CU-Multi：多机器人协同感知数据集

Doncey Albin, Daniel McGann, Miles Mena, Annika Thomas, Harel Biggie, Xuefei Sun, Steve McGuire, Jonathan P. How, Christoffer Heckman

机构 * Autonomous Robotics and Perception Group at the University of Colorado Boulder（科罗拉多大学波尔得分校自主机器人与感知组） ； Robot Perception Lab at Carnegie Mellon University（卡内基梅隆大学机器人感知实验室） ； Aerospace Controls Laboratory at Massachusetts Institute of Technology（麻省理工学院航空航天控制实验室） ； Computer Science and Artificial Intelligence Laboratory at Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Human-Aware Robotic Exploration Lab at University of California Santa Cruz（加州大学圣克ruz分校人感知机器人探索实验室） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 针对多机器人协同感知基准测试缺乏专用数据集的问题，提出CU-Multi数据集，包含多天采集的同步多机器人轨迹、RGB-D、RTK GPS、语义LiDAR及精确里程计，支持可重复评估。

Comments 8 pages, 11 figures. arXiv admin note: text overlap with arXiv:2505.17576

A Distributed Multi-UGV Exploration Framework With Loop-Aware Planning and Descriptor-Aided Localization in Resource-Limited Environments

资源受限环境下的分布式多UGV探索框架：环回感知规划与描述符辅助定位

Zhiwei Li, Haiou Liu, Xijun Zhao, Ji Li, Yingze Wang, Boyang Wang

机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械与车辆学院） ； China North Artificial Intelligence & Innovation Research Institute, Collective Intelligence & Collaboration Laboratory (CIC)（中国北方人工智能与创新研究院集体智能与协作实验室） ； Zhengzhou Intelligent Technology Research Institute, Beijing Institute of Technology（北京理工大学郑州智能科技研究院） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.RO

AI总结 提出一种完全分布式的多无人地面车辆（UGV）探索框架，通过轻量级LiDAR全局描述符实现跨UGV环回检测，并结合环回感知分层规划，在资源受限环境中减少探索时间和行驶距离。

Journal ref IEEE Transactions on Industrial Electronics, 2026

WHU-Infra3D: A Full-stack Multi-modal Dataset and Benchmark for 3D Roadside Infrastructure Inventory

WHU-Infra3D：面向3D路边基础设施清单的全栈多模态数据集与基准

Chong Liu, Luxuan Fu, Xuyu Feng, Zhen Dong, Bisheng Yang

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS)（信息工程测绘遥感国家重点实验室） ； Wuhan University（武汉大学） 纠错

专题命中 感知 ：LiDAR(summary_cn,abstract)；分类 cs.CV

AI总结 提出WHU-Infra3D多模态基准数据集，覆盖三城市53.8公里，融合全景图像与LiDAR点云，提供2D-3D实例关联和跨帧跟踪，支持基础设施状态诊断与属性识别，填补自动化维护数据集空白。

Adaptation-Free Heterogeneous Collaborative Perception with Unseen Agent Configurations

无适应异构协同感知：应对未见过的智能体配置

Hyunchul Bae, Heejin Ahn

机构 * School of Electrical Engineering（电气工程学院） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；LiDAR(abstract,abstract_cn)；分类 cs.CV

AI总结 提出ALF框架，通过将轻量级框级消息提升为自车兼容的辅助特征，实现与未见配置智能体的零适应协同感知，在V2X-Real上零样本评估中相对mAP@0.7提升35.91%，带宽仅需约9.6 Kbps。

Comments 9 pages main paper, 23 pages including references and appendix, 7 figures