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。
Cyclone：基于未配对驱动数据的循环一致天气编辑扩散模型
机构 * Huawei Paris Research Center（华为巴黎研究中心） ； Gustave Eiffel University（古斯塔夫·埃菲尔大学） ； IGN-ENSG（法国国家地理信息与森林和环境信息研究所）
专题命中 感知 ：autonomous driving(abstract)；driving perception(abstract)；分类 cs.CV
AI总结 针对自动驾驶系统在不同天气条件下可靠感知的挑战，提出Cyclone框架，基于潜在扩散，利用循环一致约束和图像-文本模型知识，无需配对数据生成多种天气条件，实验表明其输出更优，还可提炼为视频扩散模型。
Comments Project page: https://ntaquan0125.github.io/weather-cyclone/
迈向具有自主动力轮椅的现实世界应用
机构 * Dalle Molle Institute for Artificial Intelligence (IDSIA), USI-SUPSI（达勒莫勒人工智能研究所（IDSIA），瑞士意大利语区大学 - 瑞士南部应用科学与艺术大学） ； Genny Factory（Genny工厂）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 针对动力轮椅自主性有限等问题，研究通过在商用自平衡轮椅上集成自主感知、手势交互和导航等技术构建概念验证原型，并在叫车和跟人等应用中展示，凸显自主与辅助结合潜力及可行性，也指出技术挑战。
基于几何先验的自回归模型生成车道拓扑推理
机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 提出TopoGPT生成式框架，通过自回归序列建模学习车道图结构的几何先验，解决现有方法端点不一致和遮挡导致图不完整的问题，在OpenLane-V2上提升6.4/11.6个点。
Comments ECCV 2026
AeroVerse-SatAgent: 受认知神经科学双视觉通路理论启发的无人机-卫星协同空间推理
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； Key Laboratory of Target Cognition and Application Technology (TCAT), Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院目标认知与应用技术重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机学院）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 针对单视角感知易受遮挡和视角变化影响的问题，提出受人类视觉双通路机制启发的无人机-卫星协同空间推理模型SatAgent，通过几何感知3D重建编码器、多视角拓扑语义对齐模块和一致性损失，在复杂城市环境中实现鲁棒推理，构建首个大规模协同数据集，性能超越现有模型。
Comments 21 pages, 10 figures and 8 tables
基于知识的单图像维度估计——面向数字孪生构建的3D资产生成技术
机构 * Data & Knowledge Management Research Department, Digital Infrastructure Innovation Center, Research & Development Group, Hitachi, Ltd.（株式会社日立制作所 研究开发集团 数字基础设施创新中心 数据与知识管理研究部）
专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 提出一种从单目图像估计物体尺寸的方法，通过分解结构元素并整合设计规则、几何关系等外部知识，生成与真实环境尺度接近的3D资产，用于提升自动驾驶车载相机虚拟验证精度。
Comments 6 pages, 4 figures
基于噪声监督的卫星图像树木计数
机构 * University of Copenhagen（哥本哈根大学） ； University of Rwanda（卢旺达大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Stony Brook University（石溪大学） ； LIGM, CNRS, Univ Gustave Eiffel, ENPC, IPP（LIGM，CNRS，古斯塔夫·埃菲尔大学，ENPC，IPP）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 针对卫星图像中树木计数任务，提出基于非平衡最优传输的空间密度匹配方法，并引入自校正机制利用传输残差逐步优化噪声监督，在跨三大洲的TinyTrees基准上优于检测、回归和传输匹配基线。
SPARK: 基于关键点的自动驾驶赛车低延迟单摄像头3D姿态估计
机构 * Technical University of Munich（慕尼黑工业大学） ； School of Engineering & Design, Department of Mobility Systems Engineering, Institute of Automotive Technology（工程与设计学院，移动系统工程系，汽车技术研究所） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 提出SPARK算法，利用单摄像头和关键点检测实现自动驾驶赛车中低延迟、高精度的3D姿态估计，性能优于现有方法。
Comments 9 pages, 6 figures, ITSC 2026, Invited Session
WildBox: 非洲稀树草原野生动物航拍单目3D检测数据集与基准
机构 * D Optical Metrology Unit, Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会3D光学计量部） ； Computer Vision and Machine Learning Systems group, Institute for Geoinformatics, University of Muenster（明斯特大学地理信息学研究所计算机视觉与机器学习系统组） ； School of Civil, Aerospace and Design Engineering, University of Bristol（布里斯托大学土木、航空航天与设计工程学院） ； Department of Biology, University of Southern Denmark（南丹麦大学生物学系） ； The Ohio State University（俄亥俄州立大学） ； Department of Collective Behavior, Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所集体行为系） ； University of Konstanz（康斯坦茨大学） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Department of Biology, University of Konstanz（康斯坦茨大学生物学系） ； Environmental Computational Science and Earth Observation Laboratory, EPFL（瑞士联邦理工学院环境计算科学与地球观测实验室）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.CV
AI总结 提出WildBox数据集，含23.7万3D框标注，评估两种开放词汇单目3D架构，发现零样本3D检测失败，微调后恢复性能，深度估计是主要瓶颈。
SegmentAnyTreeV2：跨传感器、平台和森林的基于Transformer的树木实例分割扩展
机构 * Norwegian Institute of Bioeconomy Research (NIBIO)（挪威生物经济研究所（NIBIO））
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 提出SegmentAnyTreeV2，一种传感器和平台无关的森林点云语义与实例分割框架，结合Point Transformer v3骨干网络、轻量语义头和树木交叉注意力掩码解码器，在FOR-instance v3基准上达到90.5%精度和80.2%召回率，并展现出强跨域泛化能力。
Comments 25 pages, 6 figures, 10 tables, Corrected bibliography metadata and minor typographical issues; results unchanged
LoComposition：无需步态先验的地形自适应高效四足运动
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Tübingen（图宾根大学） ； Technical University of Munich（慕尼黑工业大学） ； University of Stuttgart（斯图加特大学）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 提出一种将任务奖励、操作约束、能量最小化和地形感知分离的框架，无需显式步态先验，在四足机器人上实现高效地形自适应运动，运输成本降低56%，违规减少96%。
Comments 17 pages, 5 figures, 10 tables
VGP-Nav：用于机器人导航的度量感知视觉几何感知
机构 * Southern University of Science and Technology（南方科技大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Shenzhen University（深圳大学） ； SpatialTemporal AI（时空人工智能）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.RO
AI总结 提出VGP-Nav，一种仅依赖单目RGB输入的框架，通过地面平面几何约束解决尺度模糊，实现度量定位与障碍物感知的统一。
IntentNav: 从人类演示中学习空间-视觉物体导航
机构 * Nanyang Technological University（南洋理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； A*STAR Institute for Infocomm Research (I2R)（新加坡科技研究局资讯通信研究院）
专题命中 感知 ：BEV(abstract,abstract_cn)；分类 cs.RO
AI总结 提出IntentNav框架，通过人类演示学习类人物体导航策略，利用前沿标注和意图对齐目标实现最优性能，并零样本迁移到多种机器人平台。
Comments 26 pages, 9 figures
信号交叉口弱势道路使用者安全的集成路边感知与通信框架
机构 * Department of Civil, Environmental and Construction Engineering, University of Central Florida（中央佛罗里达大学土木、环境与建设工程系）
专题命中 感知 ：LiDAR(abstract,abstract_cn)；分类 cs.CV
AI总结 提出集成多模态感知、边缘计算、V2X/P2X通信和自适应信号控制的框架，基于公开数据集R-LiViT分析53,319个标注，发现VRU占49%、昼夜密度差异大、近距离事件变化10倍、83%行人边界框小，支持多模态感知和自适应部署。
Comments 17 pages, 5 figures, 2 tables. Preprint
开放世界层次感知：针对类无关候选区域的分类抽象，用于安全处理词汇外道路对象
专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI
AI总结 本文提出开放世界层次感知层，在类无关区域候选上实现分类抽象，通过结合三类开放世界信号，在自动驾驶留类基准测试中，可安全处理词汇外道路对象且无分类错误。
Comments 6 pages, 4 figures, 1 table. Third paper in a series; v1 archived at Zenodo, doi:10.5281/zenodo.21593472. Code: https://github.com/freshNfunky/IE2025-Research-Paper
DA-NBV：一种用于海上船舶高效3D重建的方向感知最优下一个视点规划器
专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.AI
AI总结 针对海上船舶3D重建中现有NBV策略忽略方向观测历史的问题，本文提出DA-NBV策略，结合PAF等方法，在SeaShip-3D数据集与仿真环境下实现了更高效的船舶3D重建性能。
Comments 16pages, 11 figures
基于多任务一致性的对抗攻击检测
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 针对自动驾驶中DNNs易受对抗攻击且现有防御成本高的问题，提出基于多任务视觉任务输出一致性的高效检测方案，在BDD100k数据集上对PGD攻击的ROC-AUC达99.9%。
几何胜过估计深度：Sim2Real 场景下仅用 RGB 的多相机 3D 跟踪
机构 * LSU New Orleans（路易斯安那州立大学新奥尔良分校） ； PinPark, Inc.（PinPark公司）
专题命中 感知 ：LiDAR(abstract)；分类 cs.CV、cs.AI
AI总结 在 Sim2Real 场景下，研究人员通过实验验证跨视图几何一致性而非单目深度精度决定仅用 RGB 的多相机 3D 跟踪性能，提出几何优先流水线并取得显著优于伪激光雷达方法的结果。
基于OpenArm的实验室移动操作的表示交接
专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.AI
AI总结 本研究提出基于OpenArm的实验室移动操作原型，通过表示交接整合多模块，可暴露部署阻碍并为具身系统整合提供调试接口。
Comments Robotics: Science and Systems (RSS) Workshop 2026
面向光流估计网络的物理实时红外攻击
机构 * City University of Hong Kong（香港城市大学） ； University of Electronic Science and Technology（电子科技大学） ； Shenzhen University（深圳大学） ； Jilin University（吉林大学）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 该研究提出一种利用红外光的物理实时攻击方法，通过动态显示对抗样本破坏光流估计网络，在多种场景下均能有效削弱网络的光流估计能力。
面向可信赖的具身智能：一个系统框架与分级可信赖性水平
机构 * THU（清华大学） ； PKU（北京大学） ； HKUST (GZ)（香港科技大学（广州））
专题命中 感知 ：autonomous driving(abstract)；分类 cs.RO、cs.AI
AI总结 该研究提出具身智能可信赖性的四层系统框架，构建涵盖多维度的可信赖性水平层级，为具身智能的可信赖部署、评估等提供依据。
Comments Website: https://xsparkai.com/sparklab/towards-trustworthy-eai
具有缓冲区受限交接站的终身多子系统取货与送货
机构 * Robert Bosch GmbH（罗伯特·博世有限公司） ； Technical University of Berlin（柏林工业大学） ； Robotics Institute Germany (RIG)（德国机器人研究所）
专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.AI
AI总结 研究终身多子系统取货与送货中协调子系统载荷转移的问题，提出交接感知预留与路由（HARR）方法，通过共享日历和缓冲区预测协调行动，模拟显示该方法能显著提高吞吐量、减少积压并降低规划时间，提升运输稳定性。
Comments IROS 2026
深度雷达：用于自动驾驶车辆感知的端到端MIMO雷达设计与多模态融合
机构 * Technion–Israel Institute of Technology（以色列理工学院） ； Ben-Gurion University of the Negev（内盖夫本-古里安大学）
专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.AI
AI总结 深度雷达以雷达为中心，通过端到端学习稀疏采集模式，共同设计雷达传感与多模态3D检测。其可学习的MIMO设计模块在融合网络中训练，由其他传感器监督。在RADIal数据集上评估，能发现稀疏配置，降低成本与复杂性，表明最优设计取决于融合堆栈和感知任务。
Comments Accepted for publication at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
AEGIS：用于开源液体处理机器人的检测感知协议验证和运行时监测
机构 * Data Science and Learning Division, Argonne National Laboratory（阿贡国家实验室数据科学与学习部） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
专题命中 感知 ：self-driving(abstract)；分类 cs.RO、cs.AI
AI总结 研究开源液体处理机器人运行问题，提出AEGIS两层防护系统。一层结合检测规则库与大语言模型验证协议，二层用主成分分析模型监测运行轨迹，经实验验证有效，统一了检测感知验证与视觉监测，且开源。
用于高速赛车的带里程计的3D车道检测
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、eess.IV
AI总结 研究高速赛车场景下的3D车道检测问题，通过新数据集比较多种方法，提出改进措施，利用多摄像头集成及里程计等提升性能，相比其他方法提高了F1分数并降低误差，在车辆部署中取得良好指标。
Comments 14 pages, IROS paper, includes extended abstract
M$^\text{4}$World：用于交互式对象操纵和分钟级流的多视图多模态驾驶世界模型
专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.CV
AI总结 针对现有驾驶世界生成方法局限，提出M$^\text{4}$World模型，通过灵活接口与多阶段训练实现对象操纵及长时流稳定，引入后训练与生成模型，并用新管道评估，实验证明其在驾驶模拟中有高质量、可控性与稳定性。
Comments 24 pages, 13 figures
四足机器人的行为基础：ABot-C0技术报告
机构 * Alibaba Group（阿里巴巴集团）
专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.AI
AI总结 该研究聚焦四足机器人运动控制，提出ABot-C0通用系统，构建数据金字塔生成运动片段，训练流匹配通用策略展示跟踪缩放定律，采用特定框架推动全地形遍历运动，经实验验证其能让四足机器人迈向产品级行为智能。
Comments Abot-C0 project page will be released soon
HumAIN：人类感知的隐式社交机器人导航
机构 * Ewha Womans University（梨花女子大学） ； George Mason University（乔治梅森大学） ； University of Virginia（弗吉尼亚大学） ； Tufts University（塔夫茨大学） ； Semio（Semio公司） ； Hokkaido University（北海道大学）
专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO、cs.AI
AI总结 研究提出HumAIN框架，通过知识蒸馏将隐式社交线索融入机器人导航规划。利用基于Transformer的教师模型学习强大表示，蒸馏到轻量级学生模型。实验表明该方法能有效提升轨迹预测指标，在资源受限平台实现类人导航意识。
Comments 8 pages, 4 figures. Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
NegROI：基于场景条件负提示的以点击为中心的不确定性引导细化用于稳健交互式3D分割
机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院）
专题命中 感知 ：LiDAR(abstract)；分类 cs.CV、cs.AI
AI总结 研究针对交互式3D分割中粗体素分辨率及背景误报问题，提出NegROI框架，结合点击中心多分辨率细化与场景条件负提示，通过不确定性驱动选择性细化、负提示建模及边界感知硬负挖掘，提升点击效率、减少误报并增强跨数据集鲁棒性。
实时无源目标检测
机构 * IIT Hyderabad（印度理工学院海得拉巴分校） ； Microsoft Research（微软研究院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 提出一种基于YOLOv10的实时无源目标检测方法，通过双头伪标签融合（DHF）和多尺度自适应表示多样化（MARD）损失，在保持实时性和轻量化的同时，显著提升域适应精度。
Comments Accepted to ECCV 2026
OSOR: 一步扩散修复用于效果感知的对象移除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Xidian University（西安电子科技大学） ； Tongji University（同济大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Transsion（传音控股）
专题命中 感知 ：occupancy(abstract)；分类 cs.CV、cs.AI
AI总结 提出一步扩散模型OSOR，通过占用引导判别器、alpha头和语义锚定验证管道，实现高效、效果感知且对不完美掩码鲁棒的对象移除，速度提升4-30倍。
Comments Code and resources are available at https://github.com/Zhouqm-Git/osor
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