视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
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
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）
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。
压缩验证瓶颈：用于科学发现的智能自动驾驶实验室
专题命中 感知 ：self-driving(title,abstract)；分类 cs.RO、cs.AI
AI总结 针对智能科学发现中自动驾驶实验室的验证瓶颈，提出先验感知的智能实验设计循环和成本感知代理，通过利用领域知识和预测测量，减少实验循环次数和每次实验成本来加速实验循环。
Comments Accepted at ICML 2026 AI for Science Workshop ; AI Scientist Competition
UniDrive: 面向自动驾驶可解释风险理解的统一视觉-语言与定位框架
机构 * organization= Department of Earth Science \& Engineering, Imperial College London , city= London , postcode= SW7 2AZ , country= United Kingdom ； organization= SpaceTimeLab, Department of Civil, Environmental ； Geomatic Engineering, University College London , city= London , postcode= WC1E 6BT , country= United Kingdom ； organization= Department of Computing, The Hong Kong Polytechnic University , city= Hong Kong , country= China ； organization= Trinity College, University of Oxford , city= Oxford , postcode= OX1 3BH , country= United Kingdom ； organization= Department of Geography, University College London , city= London , postcode= WC1E 6BT , country= United Kingdom ； organization= Centre for Global Infrastructure Resilience, The Bartlett School of Sustainable Construction, University College London , city= London , postcode= WC1E 7HB , country= United Kingdom
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 提出UniDrive框架，通过融合时序推理与高分辨率感知分支，联合生成风险描述和边界框定位，在DRAMA-Reasoning基准上超越现有方法，提升小目标定位和可解释性。
自动驾驶应用中相对位姿估计的高效最小求解器
机构 * College of Aerospace Science and Engineering, Naval Aviation University（海军航空大学航空航天科学与工程学院）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出基于新平移参数化和一阶旋转近似的统一框架，设计三种最小求解器（利用IMU垂直方向、转向旋转轴方向、平面运动假设），减少点对应数量和代数复杂度，在RANSAC中加速假设生成，平衡速度与精度。
驯服感知抖动：面向可靠运动分类的不确定性感知激光雷达目标检测
机构 * Technical University of Munich（慕尼黑工业大学） ； Institute for Automotive Engineering, Munich Institute of Robotics and Machine Intelligence, School of Engineering and Design（汽车工程研究所，慕尼黑机器人与机器智能研究所，工程与设计学院）
专题命中 感知 ：LiDAR(title)；autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 提出一种部署友好的策略，通过不确定性估计和统计检验减少静态物体的虚假动态预测，在真实驾驶中显著降低误报和不必要停车。
DriveVLA-M0：面向自动驾驶的故障感知记忆增强方法
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Chongqing Chang’an Technology Co., Ltd.（重庆长安科技有限公司）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 本文提出DriveVLA-M0，一种具备故障感知潜在记忆的检索增强型VLA模型，通过故障案例记忆与针对性修正机制，在NAVSIM基准上优于现有方法，实现自动驾驶性能提升。
用于在线强化学习安全自动驾驶的威胁引导、策略感知场景扰动
机构 * Yinwang Intelligent Technology Co., Ltd（银网智能科技有限公司）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 本文提出TPSP方法，通过策略感知场景编码器与威胁引导优化策略，提升在线RL安全自动驾驶的学习效率，在NAVSIM v2数据集上用约400万公里模拟数据实现出色安全性能。
Comments 11pages, 5figures
DH-VLM：面向自动驾驶的双时域协同隐层推理框架
机构 * Tsinghua University（清华大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出DH-VLM双时域协同隐层推理框架，结合基础设施与自车实现非对称语义协同，构建协同QA数据集支撑推理，在规划性能、通信成本等指标上优于现有方法，为协同自动驾驶提供实用鲁棒范式。
WorkDrive：自动驾驶的道路施工因果链
机构 * Peking University（北京大学） ； Xiaomi EV（小米电动汽车）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 针对自动驾驶视觉语言模型在道路施工区域的难题，提出WorkDrive框架，通过自动化多任务感知管道提取场景事实，经监督微调与强化学习，在ROADWork数据集上降低轨迹平均位移误差，实现渐进改进。
从车道感知角度评估自动驾驶对环境错觉的鲁棒性：基准测试
机构 * SKLCCSE, the School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院软件安全技术与工程北京市重点实验室） ； the School of Cyber Science and Technology, Sun Yat-sen University（中山大学网络空间科学与技术学院） ； Henan University of Science and Technology（河南科技大学） ； the School of Computing, National University of Singapore（新加坡国立大学计算学院） ； College of Computing & Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 研究自动驾驶对环境错觉的鲁棒性，聚焦传统车道检测和视觉语言模型系统。引入基准LanEvil++并评估，发现错觉严重影响性能，阴影干扰最大。提出多模态错觉防御方法MIDA，有效提升了模型在挑战性条件下的鲁棒性。
Comments Accepted by IEEE TPAMI 2026
自动驾驶中基于查询引导多边形和CLIP的道路感知异常分割
机构 * Institute of Innovative Mobility (IIMo), Technical University Ingolstadt of Applied Sciences（创新移动性研究所（IIMo），英戈尔施塔特应用技术大学） ； 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）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 研究自动驾驶中传统语义分割模型应对未知物体能力不足问题，提出轻量级无需再训练等的道路感知异常分割框架，利用查询级掩码置信等并引入CLIP模块，提升异常预测性能。
Comments Accepted to IEEE IV26. Code is available at https://github.com/chrisyan/RAAS
迈向鲁棒的驾驶感知：用于自监督单目深度估计的灵活尺度驱动系列
机构 * Hefei University of Technology（合肥工业大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Chengpin Home Tech（橙品家居科技） ； Differential Robotics（差分机器人）
专题命中 感知 ：driving perception(title,abstract)；分类 cs.CV
AI总结 提出FlexDepth，一种尺度驱动的自监督单目深度估计模型系列，通过两阶段静态-动态解耦训练和尺度驱动解码器，在复杂驾驶场景中实现高精度深度估计，且计算开销低。
Comments Accepted by ECCV2026. Code is available at https://github.com/startnew/flexdepth
面向自动驾驶中高效视觉-语言-动作模型的推理感知推测解码
机构 * Air Force Research Laboratory（空军研究实验室）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出推理感知推测解码框架，通过例程推理器处理常规推理、审慎推理器处理异常情况，结合FlatRoPE和AARL技术，将推理步骤运行时间降低约4倍。
Comments 10 pages
奖励条件注意力：奖励设计如何塑造自动驾驶代理的感知
机构 * National School of Artificial Intelligence (ENSIA)（国家人工智能学院） ； Cosys-Grettia, Univ Gustave Eiffel（古斯塔夫·埃菲尔大学Cosys-Grettia实验室）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.AI
AI总结 研究奖励设计如何影响自动驾驶强化学习代理的内部注意力模式，发现奖励内容直接决定编码器优先关注的场景元素，且连续碰撞时间惩罚会形成学习性警觉先验。
小洞不补，大洞吃苦：端到端自动驾驶中感知更新下的策略兼容性保持
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Key Laboratory of System Control and Information Processing, Ministry of Education of China（教育部系统控制与信息处理重点实验室） ； School of Aeronautics and Astronautics, Shanghai Jiao Tong University（上海交通大学航空航天学院） ； Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 本文提出通过轻量级潜在空间对齐（模型拼接）来保持端到端自动驾驶系统中更新感知模块与固定策略模块的兼容性，避免重训练或架构解耦的高成本，实验证明在多种更新场景下有效。
Comments 12 pages, 9 tables, 5 figures; T-ITS under review
自动驾驶中基于反事实分析的自监督相关性建模
机构 * Networked Systems Lab, Universidad Miguel Hernandez de Elche（网络系统实验室，米格尔·希内斯·埃尔切大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出一种基于反事实分析的自监督方法，用于量化自动驾驶中物体的相关性，实现毫秒级实时估计，并生成相关性热图以辅助感知与规划。
基于占用空间的房间分割用于分层3D场景图
机构 * University of Turku（图尔库大学） ； Centre for Artificial Intelligence, Zürich University of Applied Sciences（苏黎世应用科学大学人工智能中心）
专题命中 感知 ：occupancy(title,abstract)；分类 cs.RO
AI总结 提出一种基于占用分解的房间节点锚定方法，构建分层3D场景图，在Matterport3D数据集上相比基线方法恢复了更多房间实例。
面向自动驾驶中共现对象检测的上下文感知特征融合
机构 * Department of Computer Science, University of Central Florida（中佛罗里达大学计算机科学系）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出上下文中心特征融合框架CCFF，通过局部上下文融合模块和全局上下文注意力模块分别处理小/遮挡对象与共现先验，提升共现对象检测性能，在Cityscapes和BDD100K上实现类别一致性策略0.973和0.969，小目标检测AP_S提升14.1%。
Comments 8 pages, 3 figures, CVPR 2026 Precognition Workshop
语言驱动的自动驾驶成本优化
机构 * TU Delft（代尔夫特理工大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出语言驱动框架，利用大语言模型解释场景和用户查询，生成风险感知MPPI控制器的参数，并通过人机交互验证和反馈迭代优化自动驾驶行为。
Comments Paper accepted at IEEE Intelligent Transportation Systems Conference (ITSC) 2026
零样本语义重识别用于自动驾驶：一项VLM基线研究
机构 * Autonomous Mobile Robot（自主移动机器人） ； University of Minho（明德大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出使用视觉-语言模型生成语义描述进行零样本重识别，在自动驾驶场景中实现与监督CNN基线相当的检索性能，并增强可解释性。
Comments 7 pages
LUNA-AD: 面向自动驾驶的轻量级不确定性感知语言模型与终身学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出LUNA-AD，一种结合三系统架构、多智能体分析、双头轻量模型和反思驱动终身学习的轻量级不确定性感知语言模型，在nuPlan上实现高成功率与低推理延迟。
Comments 16 pages,9 figures
面向感知信息闭环仿真的自动驾驶因果概率框架
机构 * ETH Zürich（苏黎世联邦理工学院） ； KTH Royal Institute of Technology（皇家理工学院） ； University of Science and Technology of China（中国科学技术大学）
专题命中 感知 ：autonomous driving(title,abstract)；分类 cs.RO
AI总结 提出一种因果概率模型框架，将感知误差注入标准仿真环境，揭示理想SIL无法捕获的潜在风险，为SOTIF验证提供可扩展路径。
基于Mamba知识蒸馏的轻量型3D目标检测
专题命中 感知 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV
AI总结 本研究提出基于Mamba的知识蒸馏框架，通过选择性体素空间特征对齐实现轻量型3D目标检测，在保持精度的同时显著降低计算负载。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026
通过多类雾密度建模增强雾天条件下的视觉感知
机构 * University of Applied Sciences, Aschaffenburg（阿沙芬堡应用科学大学）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 本研究针对自动驾驶雾天感知难题，基于Waymo数据集合成雾数据，按五类雾密度训练专用感知模型，使特浓雾召回率提升15.6个百分点，验证了多专用模型策略的有效性。
Comments 8 pages, 5 figures,2 tables
SimBEV2X：用于多任务车联网协同感知的大规模数据集与数据生成工具
专题命中 感知 ：BEV(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV
AI总结 研究针对V2X协同感知算法发展受限问题，介绍基于CARLA模拟器的SimBEV2X数据生成工具及数据集，通过它建立基线并提出CoBEVFusion架构，实现上下文感知多智能体特征聚合，性能优越。
Comments Submitted to IEEE for review
GaussianFusion：用于多模态融合感知的统一3D高斯表示
机构 * Tencent, Autonomous Driving Lab（腾讯自动驾驶实验室）
专题命中 感知 ：BEV(abstract,abstract_cn)；occupancy(abstract)；分类 cs.CV、cs.AI
AI总结 提出基于3D高斯表示的多模态融合框架GaussianFusion，通过连续3D高斯空间统一多模态特征，保留细节，支持多种3D感知任务，在nuScenes上检测NDS提升2.6，占用预测mIoU提升1.55且速度提升450%。
Comments ICLR 2026
面向自动驾驶中渐进式GNSS欺骗检测的高阶液体证据编码
机构 * Faculty of Information Technology, Beijing University of Technology（北京工业大学信息学部）
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 针对自动驾驶中渐进式GNSS欺骗难检测问题，提出因果高阶液体证据框架，在AV-GPS数据集子集上获最高F1分数，可快速检测正常到攻击的转变。
大语言模型辅助的自动驾驶协同感知联盟形成
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 该研究针对现有协同感知方法未优化车辆选择的问题，提出LLM辅助的联盟形成框架，结合DPP与ADMM优化，在OPV2V等数据集上实现更优性能与网络效率。
Comments Accepted for presentation at IEEE Global Communications Conference (GLOBECOM 2026), Cognitive Radio and AI-Enabled Networks Symposium
基于假设验证和意图分析的自动驾驶系统分层故障定位
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 针对自动驾驶系统故障难定位问题，提出HINT框架，通过假设验证和意图分析分两阶段进行分层故障定位，无需重新模拟，经在Apollo上评估，该框架在模块级诊断和代码级定位性能强，实际错误端到端准确率达77.8%。
用于高机动性自动驾驶的信道知识赋能有限块长速率分割传输
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 针对自动驾驶系统的xURLLC需求，提出CKM赋能的FBL RSMA。利用CKM信息进行精细速率分割设计，分析最小速率性能，推导私有流遍历速率界并制定优化设计。该方案在高机动性场景中性能优于SDMA和NOMA，凸显准确CKM信息对速率分割的重要性。
Comments 13 pages, 10 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈