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。
用于自动驾驶系统中突发故障发现的协作式多智能体测试
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 研究针对自动驾驶系统故障发现问题，提出协作式多智能体测试框架CREAD，通过共享黑板和协调器组织相关功能，经实验验证该框架在不同环境下能有效提升故障发现率，是ADS突发行为发现的有前途方向。
迈向自动驾驶系统的正确分析模型和系统软件：开放问题与研究方向
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 探讨自动驾驶系统中，需何种分析模型及系统软件来处理定时问题。通过调研相关工作，从定时约束单元等五个维度找出差距。
Journal ref RTSOPS 2026 invited paper
面向自动驾驶系统的安全感知变异测试
专题命中 感知 ：autonomous driving(title,abstract)
AI总结 提出安全感知变异测试（SAMT），通过注入模块间消息故障模拟交互失效，基于STPA生成突变体，评估测试充分性并指导场景生成与系统修复。
Comments 6 pages; vision paper
RECO：用于路边3D检测中外在扰动的区域感知补偿
机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院）
专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 针对路边3D检测中现有方法对相机外部参数敏感问题，提出RECO框架，通过预测范围边界划分场景区域，用分段6自由度姿态偏移校正外部参数，引入辅助重投影损失监督优化，实验证明其在多种偏差下优于基线且能应对不同扰动。
C2E: 通过多教师对比知识蒸馏提升仅自我3D目标检测
机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, Xiamen University（福建省城市智能感知与计算重点实验室，厦门大学） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算教育部重点实验室，厦门大学） ； Zhongguancun Academy（中关村学院）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 提出C2E范式，通过多对一智能体对比知识蒸馏框架M2S，结合多级特征增强、辅助点云重建和多教师对比蒸馏，在无通信成本下提升仅自我3D检测性能，在多个数据集上验证有效性。
Comments 18 pages, 8figures
Journal ref ECCV 2026
HSDF-Lane: 高度对齐符号距离场与语义车道先验用于3D车道检测
机构 * KAIST（韩国科学技术院）
专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 提出HSDF-Lane，通过高度对齐符号距离场隐式建模道路表面，结合可微渲染生成准确高度图和表面对齐特征，并引入车道感知语义位置编码注入车道先验，在OpenLane基准上实现3D车道检测和高度图估计的最优性能。
Comments ECCV 2026, Project page: https://jiyongboo.github.io/HSDF-Lane-project-page
UECP：不确定性增强的协同感知
机构 * Renmin University of China（中国人民大学） ； National University of Defense Technology（国防科技大学） ； China Waterborne Transport Research Institute（交通运输部水运科学研究院）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 针对协同感知中证据不可靠和融合不充分的问题，提出基于物理场景感知的不确定性图，并构建UECP框架，通过UAPF模块实现鲁棒融合，在真实数据集上超越现有方法。
Comments 22 pages, 10 figures
勿忽视显而易见的内容——RISC：一种用于安全自动驾驶的风险感知切片覆盖协议
机构 * CARIAD SE
专题命中 感知 ：autonomous driving(title,comments)；分类 cs.CV
AI总结 该研究提出RISC协议，将安全问题转化为风险切片，通过风险引导选择提升自动驾驶关键故障发现率，可应用于多类自动驾驶子系统，补充现有测试验证流程。
Comments 14 pages, 3 figures, 5 tables. Accepted at the ECCV 2026 Workshop on Safe and Defensive Autonomous Driving (SDAD). Non-archival workshop paper
HGeo-TopoMap：利用分层几何先验增强拓扑映射
机构 * Zhejiang University of Science and Technology（浙江科技学院） ； Hunan University（湖南大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
专题命中 感知 ：autonomous driving(abstract)；driving perception(abstract)；分类 cs.RO、cs.CV、eess.IV
AI总结 针对现实环境中心线检测难题，提出HGeo-TopoMap，利用显式先验地图和隐式空间关系，设计几何自适应和一致性学习模块增强拓扑映射，在OpenLane-V2数据集上评估，提高了精度与鲁棒性，优于基线方法。
Comments The source code and model weights will be made publicly available at https://github.com/lynn-yu/HGeo-TopoMap
FIRE-VLA：面向自动驾驶的视觉-语言-动作模型的故障感知自演化
机构 * Harbin Institute of Technology（哈尔滨工业大学）
专题命中 感知 ：autonomous driving(title)；分类 cs.RO
AI总结 该研究针对自动驾驶VLA模型，提出FIRE-VLA故障感知自演化框架，结合GRPO与自蒸馏，在nuScenes数据集上降低了规划误差与故障流行率，提升了模型性能。
DVPSFormer：面向自动驾驶的高效在线深度感知视频全景分割
机构 * ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University（保加利亚索菲亚大学INSAIT研究所） ； University of Bonn（波恩大学） ； Microsoft（微软公司）
专题命中 感知 ：autonomous driving(title)；分类 cs.CV
AI总结 DVPSFormer是一种统一在线架构，通过ESD和OMV机制实现高效4D场景理解，在两个DVPS基准上达SOTA，为自动驾驶提供在线机器人感知的精简方案。
用于混合交通中交互感知自动驾驶的实时广义纳什均衡框架
专题命中 感知 ：autonomous driving(title)；分类 cs.RO
AI总结 针对自动驾驶在混合交通环境中的挑战，提出将驾驶交互建模为广义纳什均衡问题的决策框架，基于粒子群优化提出实时求解器，经实验验证能处理关键场景，求解器操作可行且收敛快。
Journal ref The 12th 2026 International Conference on Control, Decision and Information Technologies (CoDIT 2026), Jul 2026, Bari (Italy), Italy
PerceptDrive：用于端到端自动驾驶的具有自适应专家路由的感知先验世界-动作建模
机构 * Tsinghua University（清华大学） ； AMap, Alibaba Group（高德软件有限公司，阿里巴巴集团）
专题命中 感知 ：autonomous driving(title)；分类 cs.CV
AI总结 研究针对自动驾驶中感知基础模型的问题，提出PerceptDrive框架，将教师提炼先验和观察潜变量输入可训练模型，经特定分支处理、先验保留及场景条件路由，实验表明其性能领先，证实相关方法的有效性及对先验的依赖。
用于联网自动驾驶中弹性协作决策的即插即用重加权方法
机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 感知 ：autonomous driving(title)；分类 cs.RO
AI总结 针对联网自动驾驶中协作决策受感知噪声和对抗攻击影响的问题，提出弹性协作决策（RCDM）框架，含基于注意力的编解码器，设计即插即用重加权模块，经高保真模拟评估，性能优于现有方法，实现最优弹性能。
Comments 8 pages, 4 figures, 2 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
用于自动驾驶的具有优先级偏差分层松弛的实时规则手册感知非线性MPC
机构 * TORC Robotics LLC（TORC机器人有限责任公司） ； Daimler Truck AG（戴姆勒卡车股份公司） ； MassRobotics（大众机器人协会）
专题命中 感知 ：autonomous driving(title)；分类 cs.RO
AI总结 研究自动驾驶中安全等冲突的解决，提出W-SQP加权分层松弛非线性MPC，将九个规则家族编译求解，能实时重新规划并记录残差，经评估在安全法规方面无系统性缺陷，是可审核、有优先级偏差且随时可用的NMPC原型。
Comments The manuscript is submitted to the Journal of Control Engineering Practice, A journal of The International Federation of Automatic Control (IFAC)
HeteroPROPMT：一种实时且隐私保护的异构协同感知框架
机构 * Michigan State University（密歇根州立大学）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 HeteroPROPMT是一种实时隐私保护异构协同感知框架，通过模块化提示与轻量调优对齐异构智能体特征，在OPV2V-H等数据集上性能优于现有方法，且参数效率高、隐私性好。
Comments Accepted to 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 9 pages, 4 figures, 5 tables
测试时覆盖：用于部署感知学习的测试条件数据管理
机构 * NVIDIA（英伟达） ； University of Ottawa（渥太华大学）
专题命中 感知 ：autonomous driving(abstract)；end-to-end driving(abstract)；分类 cs.CV、cs.AI
AI总结 研究针对部署的AI系统训练需数据管理的问题，提出TTCov方法，通过构建任务图谱和知识图谱分别表示覆盖与分布，选择预算训练集，应用于自动驾驶时能提升数据质量及性能，实现对新领域的无缝适应。
CoGoal3D：基于3D感知融合与优化的协作式3D目标检测
机构 * Zhejiang University（浙江大学） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； China Jiliang University（中国计量大学）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV、cs.AI
AI总结 针对V2X协作目标检测中3D检测效果不佳的问题，提出CoGoal3D框架，通过两阶段管道提取和优化3D特征，设计融合模块与辅助任务，还提出数据增强策略，在多数据集上取得新的最优性能。
Comments Accepted to ECCV 2026. 17 pages, 8 figures, 6 tables. Code: https://github.com/Megalo-f/CoGoal3D
Hydra++：通过对象级形状估计进行实时分层3D场景图构建
机构 * Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 研究如何将基于学习的对象形状估计器集成到分层3D场景图管道中，提出Hydra++系统。它结合形状估计和一致性检查，默认配置可在线构建场景图，支持混合配置应对室外挑战，实验证明其提高了对象和场景级重建质量。
Comments 8 pages, 12 figures, accepted in Proc. IEEE/RSJ IROS
OctoSense: 多模态机器人感知的自监督学习
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 提出OctoSense传感器平台和数据集，通过“晚融合”掩码自编码器实现多模态自监督学习，在多种退化条件下鲁棒预测光流、深度、语义分割和自运动。
无监督记忆增强视频变换器：自主农业机器人的障碍物检测
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.AI
AI总结 提出VMTAD，一种无监督方法，利用记忆增强的变换器处理动态场景，实现农业机器人实时障碍物检测，在油菜数据集上达到SOTA性能。
Journal ref Precision Agriculture, 2026, 27 (3), pp.74
DSP-SLAM++：面向野外多类高保真物体SLAM的统一框架
机构 * American University of Beirut（贝鲁特美国大学）
专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV
AI总结 提出DSP-SLAM++，通过异步建图流水线和单目鱼眼-激光雷达传感器融合，在支持多类物体的同时实现实时高保真物体建模，将最大物体处理延迟降低70%。
Comments 9 pages, 9 figures
外观有帮助吗？在线3D多行人追踪中基于图像的重识别系统研究
机构 * Institute of Systems and Robotics, Department of Electrical and Computer Engineering, University of Coimbra（系统与机器人研究所，电气与计算机工程系，科英布拉大学）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO、cs.CV
AI总结 系统研究轻量级投影框架下图像重识别在在线3D多目标追踪中的作用，提出级联匹配策略以在低延迟下恢复遮挡轨迹并防止身份切换。
Comments Accepted for publication at the 35th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026)
洞察海面之上：一种用于海上数据采集的模块化感知框架
机构 * Technical University of Denmark（丹麦技术大学）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 针对海洋环境下水面船只自主性研发中的传感器数据采集难题，提出融合多模态传感器的模块化平台，依托ROS2框架实现长时数据采集与可复现性，为自主海洋导航提供标准化数据集基础。
Comments Submitted and accepted to the IFAC WC 2026 as an invited session paper for track 7.2 Transportation and Vehicle Systems - Marine Systems
轨道车辆的列车状态监测与结构健康评估系统
机构 * DB InfraGO AG（DB InfraGO股份公司） ； DB Systemtechnik（DB系统技术公司） ； MSG Ammendorf（MSG阿门多夫公司）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 本文提出一种融合结构传感器技术与AI数据分析的系统，用于轨道车辆状态监测与撞击检测，可自动检测相关事件、支持状态维护及设计优化，助力干线铁路向全自动运行过渡。
Journal ref IEEE Intelligent Vehicles Symposium, Detroit, USA, Jun, 2026
ViewMind3D：用于无需训练的3D问答的模块化视图感知推理
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究提出无需训练的模块化框架ViewMind3D，将3D-QA分解为四个组件，在ScanQA和SQA3D上实现竞争力性能，证明通用LLMs与VLMs的模块化编排可实现有效3D推理。
基于轻量级重建正则化的互模态信任用于细粒度轮胎花纹识别
机构 * School of Communications and Information Engineering, Xi’an University of Posts and Telecommunications（西安邮电大学通信与信息工程学院） ； School of Artificial Intelligence, Hainan Normal University（海南师范大学人工智能学院） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能与光电学院）
专题命中 感知 ：autonomous driving(abstract)；driving perception(abstract)；分类 cs.CV
AI总结 针对现有细粒度轮胎识别技术的局限，提出含双分支独立推理和增强特征融合的轻量级方法，利用互模态信任、频域分层引导模块及轻量级重建正则化提升性能，建立数据集并经实验验证了算法优越性。
FogDrive：用于分级雾天感知的多模态合成驾驶数据集
机构 * Indian Institute of Technology, Guwahati（印度理工学院古瓦哈提分校）
专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 FogDrive是用于分级雾天感知的多模态合成驾驶数据集，基于CARLA模拟器构建，含多种传感器数据，模拟不同密度雾。通过跨两种范式建立基线基准，得出训练中混合多密度雾可收紧3D边界框几何形状等见解，将开源加速多模态研究。
WASABI：基于帧间跟踪的车道拓扑全图分配稳定器
专题命中 感知 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 研究针对自动驾驶中车道拓扑感知模型输出不稳定问题，提出WASABI实时后处理管道，通过联合跟踪车道段及其连通性，集成多种技术，在内部验证数据上提升了检测F1等指标，实现帧内和帧间车道拓扑稳定。
A2RL V下标max：用于远程、高速感知和多车辆交互的A2RL自动驾驶数据集
机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology（测量与控制系统研究所，卡尔斯鲁厄理工学院） ； Institute of Automotive Technology, Technical University of Munich（汽车技术研究所，慕尼黑工业大学） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑工业大学） ； University of Modena and Reggio Emilia（摩德纳大学和雷焦艾米利亚大学） ； Humda Lab, Széchenyi István University（胡姆达实验室，塞切尼·伊什特万大学） ； Politecnico di Milano（米兰理工大学） ； Constructor University（康斯坦丁大学） ； Beijing Institute of Technology（北京理工大学） ； Nanyang Technological University（南洋理工大学） ； Code 19 Racing（代码19赛车） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich（慕尼黑机器人与机器智能研究所（MIRMI），慕尼黑工业大学）
专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO
AI总结 介绍A2RL V下标max开源数据集，专为高速自动驾驶和多车辆交互感知任务设计，含多样场景数据及专业标注激光雷达点云，以开发者友好格式提供，还对相关检测和跟踪方法做了实现与评估。
Comments 8 pages
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