自动驾驶

KITE: Keyframe-Indexed Tokenized Evidence for VLM-Based Robot Failure Analysis

KITE：基于关键帧的令牌化证据用于基于视觉语言模型的机器人故障分析

Mehdi Hosseinzadeh, King Hang Wong, Feras Dayoub

机构 * Australian Institute for Machine Learning (AIML), Adelaide University（澳大利亚机器学习研究所（AIML），阿德莱德大学） 纠错

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

AI总结 KITE通过将长机器人执行视频转化为紧凑可解释的令牌化证据，提升基于VLM的机器人故障检测与分析能力，尤其在模拟故障检测中表现优异。

Comments ICRA 2026; Project page: https://m80hz.github.io/kite/

Scene Representation using 360° Saliency Graph and its Application in Vision-based Indoor Navigation

基于360°显著性图的场景表示及其在基于视觉的室内导航中的应用

Preeti Meena, Himanshu Kumar, Sandeep Yadav

专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 本文提出一种360°显著性图表示方法，用于提升场景表示效率和室内导航性能，通过编码视觉、上下文、语义和几何信息，提高场景定位和导航准确性。

Monocular Reconstruction of Neural Tactile Fields

单目神经触觉场重建

Pavan Mantripragada, Siddhanth Deshmukh, Eadom Dessalene, Manas Desai, Yiannis Aloimonos

机构 * Department of Computer Science, University of Maryland, College Park, USA（计算机科学系，马里兰大学，学院 park，美国） 纠错

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

AI总结 本文提出了一种基于单目RGB图像的神经触觉场重建方法，通过交互感知的3D表示提升机器人路径规划能力，实验显示其在3D重建任务中表现优于现有方法。

Comments 10 pages, 8 figures

NavMapFusion: Diffusion-based Fusion of Navigation Maps for Online Vectorized HD Map Construction

NavMapFusion: 基于扩散的导航地图融合用于在线向量化的高精度地图构建

Thomas Monninger, Zihan Zhang, Steffen Staab, Sihao Ding

机构 * Mercedes-Benz Research & Development North America, USA（梅赛德斯-奔驰北美研究与开发） ； University of Stuttgart, Germany（斯图加特大学） ； University of California, San Diego, USA（加州大学圣地亚哥分校） ； University of Southampton, United Kingdom（南安普顿大学） 纠错

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

AI总结 NavMapFusion通过结合低保真先验与高保真传感器数据，利用扩散模型实现在线高精度地图构建，提升环境表示的准确性和实时性。

Comments Accepted to 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2026)

"What's Happening"- A Human-centered Multimodal Interpreter Explaining the Actions of Autonomous Vehicles

Xuewen Luo, Fan Ding, Ruiqi Chen, Rishikesh Panda, Junnyong Loo, Shuyun Zhang

专题命中 BEV与占用 ：self-driving(abstract)；BEV(abstract)

Comments This paper has been accepted for presentation at WACV Workshop HAVI 2025

g3D-LF: Generalizable 3D-Language Feature Fields for Embodied Tasks

Zihan Wang, Gim Hee Lee

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

MemFusionMap: Working Memory Fusion for Online Vectorized HD Map Construction

Jingyu Song, Xudong Chen, Liupei Lu, Jie Li, Katherine A. Skinner

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

Comments Accepted to WACV 2025

NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot

Kirill Muravyev, Konstantin Yakovlev

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

Comments This paper is published in proceedings of the 9th International Conference "Interactive Collaborative Robotics" (ICR 2024)

Journal ref International Conference on Interactive Collaborative Robotics. - Cham : Springer Nature Switzerland, 2024. - P. 144-157

GlobalMapNet: An Online Framework for Vectorized Global HD Map Construction

Anqi Shi, Yuze Cai, Xiangyu Chen, Jian Pu, Zeyu Fu, Hong Lu

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

GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction

Siyu Li, Kailun Yang, Hao Shi, Song Wang, You Yao, Zhiyong Li

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、eess.IV

Comments The source code will be publicly available at https://github.com/lynn-yu/GenMapping

DTCLMapper: Dual Temporal Consistent Learning for Vectorized HD Map Construction

Siyu Li, Jiacheng Lin, Hao Shi, Jiaming Zhang, Song Wang, You Yao, Zhiyong Li, Kailun Yang

专题命中 BEV与占用 ：BEV(abstract)；分类 cs.RO、cs.CV、eess.IV

Comments Accepted to IEEE Transactions on Intelligent Transportation Systems (T-ITS). The source code is available at https://github.com/lynn-yu/DTCLMapper

Spot the Difference: A Novel Task for Embodied Agents in Changing Environments

Federico Landi, Roberto Bigazzi, Marcella Cornia, Silvia Cascianelli, Lorenzo Baraldi, Rita Cucchiara

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

Comments Accepted by 26TH International Conference on Pattern Recognition (ICPR 2022)

OSM vs HD Maps: Map Representations for Trajectory Prediction

Jing-Yan Liao, Parth Doshi, Zihan Zhang, David Paz, Henrik Christensen

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

MACARONS: Mapping And Coverage Anticipation with RGB Online Self-Supervision

Antoine Guédon, Tom Monnier, Pascal Monasse, Vincent Lepetit

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

Comments To appear at CVPR 2023. Project Webpage: https://imagine.enpc.fr/~guedona/MACARONS/

SkyEye: Self-Supervised Bird's-Eye-View Semantic Mapping Using Monocular Frontal View Images

Nikhil Gosala, Kürsat Petek, Paulo L. J. Drews-Jr, Wolfram Burgard, Abhinav Valada

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

Comments 14 pages, 7 figures

Understanding Bird's-Eye View of Road Semantics using an Onboard Camera

Yigit Baran Can, Alexander Liniger, Ozan Unal, Danda Paudel, Luc Van Gool

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

Comments IEEE Robotics and Automation Letters

Robust Monocular Localization in Sparse HD Maps Leveraging Multi-Task Uncertainty Estimation

Kürsat Petek, Kshitij Sirohi, Daniel Büscher, Wolfram Burgard

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

MP3: A Unified Model to Map, Perceive, Predict and Plan

Sergio Casas, Abbas Sadat, Raquel Urtasun

专题命中 BEV与占用 ：self-driving(abstract)；分类 cs.RO、cs.CV、cs.AI

BirdSLAM: Monocular Multibody SLAM in Bird's-Eye View

Swapnil Daga, Gokul B. Nair, Anirudha Ramesh, Rahul Sajnani, Junaid Ahmed Ansari, K. Madhava Krishna

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

Comments Accepted in VISIGRAPP (VISAPP) 2021

Exploring Real World Map Change Generalization of Prior-Informed HD Map Prediction Models

Samuel M. Bateman, Ning Xu, H. Charles Zhao, Yael Ben Shalom, Vince Gong, Greg Long, Will Maddern

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

Comments Accepted to CVPR 2024, Workshop on Autonomous Driving

Bird's-Eye-View Scene Graph for Vision-Language Navigation

Rui Liu, Xiaohan Wang, Wenguan Wang, Yi Yang

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

Comments Accepted at ICCV 2023; Project page: https://github.com/DefaultRui/BEV-Scene-Graph

Semantic Radiance Fields as Simulators for Spatial Reasoning in Real-World Scenes

语义辐射场作为真实场景空间推理的模拟器

Nico Heider, Michał Jan Włodarczyk, Katarzyna Wasielewska-Michniewska, Przemysław Hołda, Martin Schieck, Marcin Paprzycki, Maria Ganzha, Bogdan Franczyk

机构 * Leipzig University（莱比锡大学） ； Systems Research Institute Polish Academy of Sciences（波兰科学院系统研究所） ； Wrocław University of Economics（弗罗茨瓦夫经济大学） 纠错

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

AI总结 该研究提出用语义辐射场（SRF）构建兼具几何真实性与语义可查询性的真实场景模拟器，用于训练评估具身智能体的空间推理能力，还将其应用于果园苹果采摘任务。

Comments Accepted at the IJCAI 2026 Workshop on Spatio-Temporal Reasoning and Learning (STRL), oral presentation

TwinIR: Coordinated Invisible Dual-Point Attacks on Online HD Map Construction

TwinIR：针对在线高清地图构建的协同式不可见双点攻击

Haibo Hu, Jianghuai Deng, Chen Tang, Yang Lou, Qian Xu, Jianping Wang

机构 * City University of Hong Kong（香港城市大学） 纠错

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

AI总结 针对在线HD地图构建的跨边界补偿效应，提出TwinIR攻击方法，通过优化攻击点实现低感知性的有效攻击，可显著降低地图构建精度并影响自动驾驶决策。

Dual-Force: Enhanced Offline Diversity Maximization under Imitation Constraints

Dual-Force：模仿约束下的增强型离线多样性最大化算法

Pavel Kolev, Marin Vlastelica, Georg Martius

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

AI总结 Dual-Force是一种离线算法，通过后继特征的VdW力目标和功能奖励编码，实现模仿约束下的多样化行为策略学习，在Solo12仿真任务中提升了性能与鲁棒性。

Learning 3D Affordances for Blade Insertion in Cluttered Stowing

学习在杂乱收纳中进行刀片插入的3D可用空间

Tianyu Li, Harpreet Sawhney, Minju Jung, Aditya Mehrotra, Kunal Mehrotra, Mudit Agrawal

机构 * Amazon Robotics（亚马逊机器人公司） 纠错

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

AI总结 研究杂乱收纳中刀片插入的3D可用空间问题，利用VulcanVoxel方法，通过基于3D占用场的掩码自动编码器，从单峰数据恢复多模态预测，提升了性能。

ControlMap: Controllable High-Definition Map Generation for Traffic Scenario Simulation

ControlMap: 用于交通场景仿真的可控高清地图生成

Marwan Farag, Steffen Wäldele, Yu Yao

机构 * University of Stuttgart（斯图加特大学） ； Robert Bosch GmbH（博世公司） ； Motional, Inc（Motional公司） 纠错

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

AI总结 提出基于潜在扩散和ControlNet的数据驱动管道，实现可控高清地图生成，支持空间引导、条件强度调整和城市风格迁移，并引入新指标评估控制信号遵循度和地图真实性。

VANDERER: Map-Free Exploration using Future-Aware and Visual-Curiosity-Guided Diffusion Policy

VANDERER: 基于未来感知与视觉好奇心引导扩散策略的无地图探索

Venkata Naren Devarakonda, Raktim Gautam Goswami, Prashanth Krishnamurthy, Farshad Khorrami

机构 * Control/Robotics Research Laboratory (CRRL), Department of Electrical and Computer Engineering, NYU Tandon School of Engineering（纽约大学坦登工程学院电气与计算机工程系控制/机器人研究实验室（CRRL）） ； New York University Abu Dhabi (NYUAD) Center for Artificial Intelligence and Robotics (CAIR)（纽约大学阿布扎比分校人工智能与机器人中心（CAIR）） 纠错

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

AI总结 提出VANDERER框架，利用视觉好奇心模块引导预训练扩散策略，仅依赖单目图像实现高效无地图探索，在多种模拟环境中平均探索面积比NoMaD多13.4%。

Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives

Z-FLoc: 基于几何基元的零样本楼层平面定位

Ayumi Umemura, Toshinori Kuwahara, Marc Pollefeys, Daniel Barath

机构 * ETH Zurich（苏黎世联邦理工学院） ； Tohoku University（东北大学） 纠错

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

AI总结 提出一种零样本楼层平面定位方法，通过从单目3D重建的鸟瞰图中提取直线和圆等几何基元，并与楼层平面进行鲁棒匹配，无需重新训练即可泛化到新环境。

Optimising CSRNet with parameter-free attention mechanisms for crowd counting in public transport

通过参数自由注意力机制优化CSRNet以实现公共交通中的人群计数

Aida Rostamza, Enrico Del Re, Joshua Cherian Varughese, Cristina Olaverri-Monreal

机构 * Johannes Kepler University Linz（约翰· Kepler 大学林茨） ； Department Intelligent Transport Systems（智能交通系统部门） 纠错

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

AI总结 本文研究了参数自由注意力机制在密集场景中的人群计数和密度图估计中的有效性，提出了一种结合PFCA和SA的新型注意力机制PFCASA，并在ShanghaiTech数据集上验证了其在公共交通视频流中的性能。

MR-SLAM: Immersive Spatial Supervision for Multi-Robot Mapping via Mixed Reality

MR-SLAM：通过混合现实实现多机器人地图的沉浸式空间监督

Prakash Aryan, Cem Erdogdu, Kavinaya Kumarchokkappan, Timo Kehrer, Sebastiano Panichella

机构 * University of Bern, Bern, Switzerland（伯尔尼大学） ； AI4I -- The Italian Institute of Artificial Intelligence, Turin, Italy（意大利人工智能研究所） 纠错

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

AI总结 本文提出MR-SLAM系统，利用混合现实技术实现多机器人SLAM的沉浸式空间监督，通过实时可视化和空间锚定面板提升多机器人定位与建图效率。

Comments Accepted to ICRA 2026 Workshop "MM-SpatialAI Workshop: Multi-Modal Spatial AI for Robust Navigation and Open-World Understanding"