Ce-L3-XAS study of the temperature dependence of the 4f occupancy in the Kondo system Ce2Rh3Al9
专题命中 BEV与占用 ：occupancy(title)
Comments 7 pages, three figures, submitted to PRB
视觉与机器人
自动驾驶
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
1. BEV与占用 3758 篇
Charge occupancy of two interacting electrons on artificial molecules - exact results
专题命中 BEV与占用 ：occupancy(title)
Comments 12 pages, 7 figures
Hand-Written PTX Tensor-Core GEMM Kernels: A Multi-Precision Study on NVIDIA L4
手写PTX张量核心GEMM内核：NVIDIA L4上的多精度研究
专题命中 BEV与占用 ：occupancy(abstract,abstract_cn)；分类 cs.AI
AI总结 本文针对NVIDIA L4 GPU，对比手写PTX GEMM内核与WMMA基线，发现其在INT8、INT4精度下有显著加速，FP16下无增益，明确了手写PTX适用的精度与场景。
Comments 10 pages, 6 figures, 12 tables. Code and profiling data: https://github.com/MattJBorowski1991/TensorCorePTX (archived: https://doi.org/10.5281/zenodo.21815137)
MapTCL: Temporal Consistency Learning via Bidirectional Alignment for Vectorized HD Map Construction
MapTCL：用于矢量化高清地图构建的双向对齐时序一致性学习
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 针对动态城市环境下在线高清地图构建的时序稳定性问题，提出即插即用模块MapTCL，通过双向矢量一致性学习与栅格地图一致性学习联合训练，在两个基准上显著提升基线模型性能且无额外推理开销。
Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
YOLO-PVC: 2D-to-3D Consolidation of Slice-wise Detections for Volumetric Liver Tumor Localization in MRI
YOLO-PVC：用于MRI中体积肝肿瘤定位的切片式检测的2D到3D整合方法
机构 * ESME Research Lab（ESME研究实验室） ； Université Paris-Est Créteil（巴黎东部克雷泰伊大学） ； LRE EPITA（EPITA LRE实验室） ； Institute of Space Technology（空间技术研究所） ； Henri Mondor University Hospital（亨利·蒙多大学医院）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 针对切片式2D目标检测器在体积数据中预测碎片化不稳定的问题，提出YOLO-PVC框架，通过几何整合提升肝脏肿瘤定位的3D IoU至0.710，优于多种基线方法。
Comments 14 pages, 2 figures, 4 tables. Accepted at AI4M3D Workshop, ECCV 2026 (Spotlight)
Cross-View Yaw Estimation in Location Uncertainty with Line-Aligning Yaw Scoring
位置不确定性下的跨视角偏航估计：基于线对齐的偏航评分
机构 * Seoul National University（首尔大学） ； Meta ； Amazon（亚马逊） ； ShanghaiTech University（上海科技大学）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 提出LAYS方法，通过径向不变的线共识投票，在无需精确位置的情况下实现亚度级偏航精度，显著提升未知偏航下的跨视角定位性能。
Comments 31 pages, 15 figures, ECCV 2026
RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios
RoadBench: 在城市道路场景下对多模态大语言模型进行细粒度空间理解与推理的基准测试
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心） ； Zhongguancun Academy（中关村学院） ； Amap, Alibaba Group（阿里巴巴集团高德地图）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 针对城市复杂场景中多模态大语言模型在细粒度空间理解与推理能力上的不足，提出RoadBench基准，包含8个任务、3040个测试用例，通过鸟瞰图和第一人称视角图像评估模型性能，揭示现有模型在此类任务上的显著缺陷。
Comments Accepted by ECCV 2026, the code and data are publicly available at: https://github.com/tsinghua-fib-lab/RoadBench
FlatLands: Generative Floormap Completion From a Single Egocentric View
FlatLands: 从单个视角生成地板地图完成
机构 * School of Computing, The Australian National University, Canberra, Australia（澳大利亚国立大学计算机学院，堪培拉，澳大利亚）
专题命中 BEV与占用 ：BEV(abstract)；分类 cs.RO、cs.CV、eess.IV
AI总结 本文提出FlatLands数据集和基准，用于单视角鸟瞰图地板完成。通过27万次真实室内场景观测，提供对齐的观测、可见性、有效性及真实BEV地图，支持分布内和分布外评估，比较多种模型并提出端到端的RGB到地板地图管道。
Comments In Proceedings of the European Conference of Computer Vision 2026
Autonomous Navigation System for Library Service Robot Based on Unitree Go2 Edu
基于 Unitree Go2 Edu 的图书馆服务机器人自主导航系统
机构 * Unitree Go2 Edu
专题命中 BEV与占用 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 针对图书馆狭窄通道和动态障碍物环境，提出基于 ROS 2 的四足机器人导航系统，融合 RTAB-Map、AMCL/EKF 和 Nav2 实现高成功率定位与避障，地图误差 3.7 cm。
Comments 6 pages, 5 figures, 4 tables. Accepted by WCCIS 2026
BEVIO: Efficient Bird's-Eye-View based Sparse-Update Visual-Inertial Odometry for Lunar Day-Night Navigation
BEVIO: 基于鸟瞰图的稀疏更新视觉-惯性里程计用于月球昼夜导航
机构 * Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； Autonomous Robots Lab at the Norwegian University of Science and Technology（挪威科学技术大学自主机器人实验室）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.RO
AI总结 提出一种基于鸟瞰图的图像匹配方案，在极低视觉更新率下实现可靠的视觉-惯性里程计，适用于资源受限的月球车昼夜导航。
Comments Accepted at the 2026 IEEE International Conference on Robotics and Automation, Vienna
DriveGen3D: Boosting Feed-Forward Driving Scene Generation with Efficient Video Diffusion
DriveGen3D: 通过高效视频扩散提升前馈驾驶场景生成
机构 * Zhejiang University（浙江大学） ； GigaAI ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； Monash University（墨尔本大学）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 提出DriveGen3D框架，结合快速视频扩散Transformer（FastDrive-DiT）和前馈3D重建模块（FastRecon3D），实现高质量、可控的动态3D驾驶场景生成，在长视频和3D一致性上达到最优。
Comments ICME 2026 Oral, Project Page: https://lhmd.top/drivegen3d
OptMap: Geometric Map Distillation via Submodular Maximization
OptMap：通过子模极大化进行几何地图蒸馏
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； DEVCOM Army Research Laboratory (ARL)（国防部陆军研究实验室（ARL））
专题命中 BEV与占用 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 OptMap通过子模极大化理论和算法创新，实现应用特定的在线地图生成，减少计算开销并提升长期映射任务的效率。
Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance
基于道路几何的移动交通摄像头校准用于无人机交通监控
机构 * Embedded Intelligence Lab（嵌入式智能实验室）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出一种轻量级管道，将单目倾斜无人机交通视频转换为局部度量鸟瞰视图表示，利用可见道路几何估算道路平面的homography，以实现车辆轨迹的估计和动态3D立方体的可视化。
Plug-and-Play Label Map Diffusion for Universal Goal-Oriented Navigation
即插即用标签地图扩散用于通用目标导向导航
机构 * School of Computing and Artificial Intelligence（计算与人工智能学院）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.RO
AI总结 本文提出PLMD方法，通过扩散模型生成未知区域的障碍和语义标签，实现部分观测环境下的目标定位，同时提升导航策略的语义地图整合能力，实验表明其在三个目标导向导航任务中表现优异。
Comments 21 pages, 10 figures, Extended Version of accepted ICML 2026 Paper
Feeling the Space: Egomotion-Aware Video Representation for Efficient and Accurate 3D Scene Understanding
感知空间：面向高效准确3D场景理解的自我运动感知视频表示
机构 * Department of Computer Science（计算机科学系） ； University of Michigan（密歇根大学） ； University of Michigan Ann Arbor（密歇根大学安阿伯分校）
专题命中 BEV与占用 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出Motion-MLLM框架，结合IMU数据与视觉特征，通过运动-视觉关键帧过滤模块和异构跨模态融合模块，提升3D场景理解与空间推理的效率和准确性。
Comments 22 pages, 10 figures
OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives
OptiMVMap: 通过最优多车辆视角进行离线向量地图构建
机构 * Sun Yat-sen University（中山大学） ； Zhongguancun Academy（中关村学院） ； Baidu Inc.（百度公司） ； Shenzhen Loop Area Institute（深圳河套学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 OptiMVMap通过最优车辆选择和跨车辆注意力机制，解决多车辆映射中的计算、冗余和噪声问题，提升地图完整性和精度。
TopoMaskV3: 3D Mask Head with Dense Offset and Height Predictions for Road Topology Understanding
TopoMaskV3：用于道路拓扑理解的3D掩码头：具有密集偏移和高度预测
机构 * Graduate School of Informatics, Middle East Technical University（中东技术大学信息学研究生院） ； Togg/Trutek AI Team（Togg/Trutek 人工智能团队）
专题命中 BEV与占用 ：BEV(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 TopoMaskV3通过引入密集偏移场和高度图，实现了3D道路拓扑理解的稳健预测，同时解决了地理数据泄露问题，取得了新的性能突破。
Comments Accepted to CVPR 2026 Workshops (AUTOPILOT 2026): 3rd Workshop on Autonomous Understanding Through Open-world Perception and Integrated Language Models for On-road Tasks
osmAG-Nav: A Hierarchical Semantic Topometric Navigation Stack for Robust Lifelong Indoor Autonomy
osmAG-Nav：一种用于鲁棒长期室内自主性的分层语义拓扑导航栈
机构 * ShanghaiTech University（上海科技大学）
专题命中 BEV与占用 ：LiDAR(abstract)；occupancy(abstract)；分类 cs.RO
AI总结 本文提出osmAG-Nav导航栈，通过分层语义拓扑地图实现大空间多层环境中的高效导航，降低规划延迟并提升长期定位稳定性。
Comments 42 pages, 10 figures
DriveTok: 3D Driving Scene Tokenization for Unified Multi-View Reconstruction and Understanding
DriveTok: 3D驾驶场景分词用于统一多视角重建与理解
机构 * Tsinghua University（清华大学） ； Yinwang Intelligent Technology Co. Ltd.（云网智能科技有限公司）
专题命中 BEV与占用 ：autonomous driving(abstract)；occupancy(abstract)；分类 cs.CV
AI总结 DriveTok通过3D变形交叉注意力实现高效多视角重建与理解，整合语义、几何与纹理信息，提升多视角分词效率与一致性。
Comments Project Page: https://paryi555.github.io/DriveTok/ Code: https://github.com/paryi555/DriveTok
VisionNVS: Self-Supervised Inpainting for Novel View Synthesis under the Virtual-Shift Paradigm
VisionNVS: 一种基于虚拟位移范式的自监督补全方法用于新型视角合成
机构 * Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） ； COWARobot Co. Ltd.（COWARobot有限公司）
专题命中 BEV与占用 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 本文提出VisionNVS，通过引入虚拟位移策略，将视角合成问题转化为自监督补全任务，利用单目深度代理模拟遮挡模式，提升自动驾驶中新型视角合成的几何精度和视觉质量。
Radar-based Pose Optimization for HD Map Generation from Noisy Multi-Drive Vehicle Fleet Data
基于雷达的姿态优化用于从噪声多车车队数据生成HD地图
机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology (KIT)（测量与控制系统研究所，卡尔斯鲁厄理工学院）
专题命中 BEV与占用 ：autonomous driving(abstract)；occupancy(abstract)；分类 cs.RO
AI总结 本文提出基于雷达的姿态优化方法，用于从噪声多车车队数据生成高精度地图，通过姿态图优化提升地图精度和特征清晰度。
Comments Accepted for the 37th IEEE Intelligent Vehicles Symposium (IV 2026), 7 pages
BEVTraj: Map-Free End-to-End Trajectory Prediction in Bird's-Eye View with Deformable Attention and Sparse Goal Proposals
BEVTraj: 无地图端到端鸟瞰图轨迹预测方法，采用可变形注意力和稀疏目标提案
机构 * Department of Automobile and IT Convergence, Kookmin University（汽车与IT融合系，韩国釜山大学） ； Department of Automotive Engineering, Kookmin University（汽车工程系，韩国釜山大学） ； Graduate School of Automobile and Mobility, Kookmin University（汽车与移动研究生院，韩国釜山大学）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 BEVTraj通过可变形注意力和稀疏目标提案实现无地图端到端鸟瞰图轨迹预测，提升自动驾驶的鲁棒性和灵活性。
Comments Submitted to IEEE Transactions on Intelligent Transportation Systems (under review)
FlexMap: Generalized HD Map Construction from Flexible Camera Configurations
FlexMap：从灵活的相机配置构建通用HD地图
机构 * School of Computing, Clemson University ； School of Engineering \& Technology, University of Washington
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 FlexMap通过几何感知基础模型和跨帧注意力机制，实现从灵活相机配置构建通用HD地图，提升了自动驾驶系统在传感器失效和配置变化时的鲁棒性。
UniMPR: A Unified Framework for Multimodal Place Recognition with Heterogeneous Sensor Configurations
UniMPR: 一种用于异构传感器配置的多模态地点识别统一框架
机构 * Beijing Institute of Technology（北京理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； The University of New South Wales（新南威尔士大学）
专题命中 BEV与占用 ：BEV(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 UniMPR提出了一种统一框架，能够适应多种异构传感器配置，通过极坐标BEV特征空间和多分支网络实现多模态地点识别的高效与鲁棒性。
Comments 14 pages, 9 figures
AMap: Distilling Future Priors for Ahead-Aware Online HD Map Construction
AMap: 通过未来先验知识进行前瞻意识的在线高精度地图构建
机构 * State Key Lab of Intelligent Transportation System, China（中国智能交通系统国家重点实验室） ； Amap, Alibaba Group, China（阿里集团Amap） ； Newcastle University, England（新castle大学） ； Durham University, England（杜ham大学）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 AMap通过未来先验知识提升在线高精度地图构建的前瞻能力，有效增强当前帧感知并在关键前方区域超越现有时序模型。
Comments 19 pages, 11 figures
SATMapTR: Satellite Image Enhanced Online HD Map Construction
SATMapTR：基于卫星图像的增强在线HD地图构建
机构 * City University of Hong Kong（香港城市大学） ； Hon Hai Research Institute（鸿海研究研究院）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 SATMapTR通过融合卫星图像与BEV视角，提升自动驾驶HD地图构建的准确性和鲁棒性，实验显示其在多种环境下均优于现有方法。
Comments 9 pages (+ 3 pages of Appendix)
BIM-Discrepancy-Driven Active Sensing for Risk-Aware UAV-UGV Navigation
机构 * Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA（电气与计算机工程系，加州大学圣地亚哥分校） ； Department of Civil, Construction, and Environmental Engineering, San Diego State University, San Diego, CA, USA（土木、建设与环境工程系，圣地亚哥州立大学）
专题命中 BEV与占用 ：LiDAR(abstract)；occupancy(abstract)；分类 cs.RO
UniMapGen: A Generative Framework for Large-Scale Map Construction from Multi-modal Data
机构 * Alibaba Group（阿里巴巴集团）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
Comments AAAI2026 Oral
CrossRay3D: Geometry and Distribution Guidance for Efficient Multimodal 3D Detection
机构 * Beijing University of Chemical Technology（北京化工大学） ； Division of Energy-Mobility Convergence, Beijing Institute of Technology（北京理工大学能源-交通融合学院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动学院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； Institute of Computer Science and Digital Innovation, UCSI University（UCSI大学计算机科学与数字创新学院） ； State Key Laboratory of Intelligent Technology and Systems and Department of Computer Science and Technology, Tsinghua University（清华大学智能技术与系统国家重点实验室与计算机科学与技术系）
专题命中 BEV与占用 ：BEV(abstract)；LiDAR(abstract)；分类 cs.CV
Comments 13 pages
RAVE: End-to-end Hierarchical Visual Localization with Rasterized and Vectorized HD map
机构 * School of Vehicle and Mobility, and State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，智能绿色车辆与移动系统国家重点实验室，清华大学） ； NIO Inc.（蔚来汽车公司） ； Qcraft Inc.（Qcraft公司） ； Chinese Academy of Engineering（中国工程院）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；分类 cs.RO
Comments 16 pages, 10 figures, 6 tables
