自动驾驶

GaussianFusion: Unified 3D Gaussian Representation for Multi-Modal Fusion Perception

GaussianFusion：用于多模态融合感知的统一3D高斯表示

Xiao Zhao, Chang Liu, Mingxu Zhu, Zheyuan Zhang, Linna Song, Qingliang Luo, Chufan Guo, Kuifeng Su

机构 * Tencent, Autonomous Driving Lab（腾讯自动驾驶实验室） 纠错

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

Hyper-V2X: Hypernetworks for Estimating Epistemic and Aleatoric Uncertainty in Cooperative Bird's-Eye-View Semantic Segmentation

Hyper-V2X: 基于超网络的协作鸟瞰图语义分割中epistemic和aleatoric不确定性的估计

Abhishek Dinkar Jagtap, Sanath Tiptur Sadashivaiah, Andreas Festag

机构 * CARISSMA Institute for Electric, COnnected, and Secure Mobility (C-ECOS), Technische Hochschule Ingolstadt（CARISSMA电动、连接与安全移动研究所（C-ECOS）、因戈尔施塔特技术大学） ； University of Applied Sciences Aschaffenburg（阿施发堡应用科学大学） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出Hyper-V2X框架，通过超网络估计协作V2X感知中的epistemic和aleatoric不确定性，采用部分权重生成方案和V2X上下文嵌入模块，条件化贝叶斯超网络生成随机鸟瞰图分割的权重分布，提升感知可靠性。

Comments Accepted for IEEE Intelligent Vehicle Symposium (IV) 2026

A Resource Efficient Fusion Network for Object Detection in Bird's-Eye View using Camera and Raw Radar Data

一种用于鸟瞰图中物体检测的资源高效融合网络：使用摄像头和原始雷达数据

Kavin Chandrasekaran, Sorin Grigorescu, Gijs Dubbelman, Pavol Jancura

机构 * ElektroBit Automotive GmbH ； Eindhoven University of Technology（埃因霍温理工大学） ； Transilvania University of Brasov（布拉索夫特拉扬大学） 纠错

专题命中 感知 ：BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种资源高效的融合网络，通过直接使用雷达原始范围-多普勒谱数据和摄像头图像处理，提升鸟瞰图中物体检测的准确性和效率。

Comments IEEE Intelligent Transportation Systems Conference (ITSC) 2024

Infrastructure-Centric World Models: Bridging Temporal Depth and Spatial Breadth for Roadside Perception

以基础设施为中心的世界模型：弥合时间深度与空间广度以实现道路感知

Siyuan Meng, Chengbo Ai

机构 * Department of Civil and Environmental Engineering, University of Massachusetts Amherst（土木与环境工程系，马萨诸塞大学阿默斯特分校） 纠错

专题命中 感知 ：LiDAR(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出以基础设施为中心的世界模型，通过时空互补性提升道路感知能力，提出三阶段框架和双层架构，结合多模态数据引擎和开放源代码基础，推动基础设施理解交通。

Comments 18 pages, 7 tables, 1 figure, vision paper

Post Fusion Bird's Eye View Feature Stabilization for Robust Multimodal 3D Detection

融合后鸟瞰图特征稳定化用于鲁棒多模态3D检测

Trung Tien Dong, Dev Thakkar, Arman Sargolzaei, Xiaomin Lin

机构 * Department of Electrical Engineering, University of South Florida（佛罗里达州立大学电气工程系） ； Department of Mechanical Engineering, University of South Florida（佛罗里达州立大学机械工程系） 纠错

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

AI总结 本文提出了一种轻量级模块PFS，通过稳定特征统计、抑制传感器退化区域和残差校正，提升多模态3D检测在域转移和传感器故障下的鲁棒性。

Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems

锻造空间智能：面向自主系统多模态数据预训练的路线图

Song Wang, Lingdong Kong, Xiaolu Liu, Hao Shi, Wentong Li, Jianke Zhu, Steven C. H. Hoi

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Alibaba Group（阿里巴巴集团） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 感知 ：self-driving(abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出多模态数据预训练框架，旨在通过整合多传感器数据提升自主系统空间智能，解决单模态模型整合难题，并提出统一的预训练范式分类及未来发展方向。

Comments Survey; 40 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-spatial-intelligence

Diffusion-Based Restoration for Multi-Modal 3D Object Detection in Adverse Weather

基于扩散的多模态3D物体检测在恶劣天气中的修复

Zhijian He, Feifei Liu, Yuwei Li, Zhanpeng Luo, Jintao Cheng, Xieyuanli Chen, Xiaoyu Tang

机构 * School of Xingzhi College, South China Normal University（星智学院，华南师范大学） ； College of Big Data and Internet, Shenzhen Technology University（大数据与互联网学院，深圳科技大学） ； School of Data Science and Engineering, Xingzhi College, South China Normal University（数据科学与工程学院，星智学院，华南师范大学） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（电子与计算机工程系，香港科技大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学） 纠错

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

AI总结 DiffFusion通过基于扩散的修复和自适应跨模态融合，提升多模态3D物体检测在恶劣天气中的鲁棒性与清洁数据性能。

CR3DT: Camera-RADAR Fusion for 3D Detection and Tracking

Nicolas Baumann, Michael Baumgartner, Edoardo Ghignone, Jonas Kühne, Tobias Fischer, Yung-Hsu Yang, Marc Pollefeys, Michele Magno

专题命中 感知 ：autonomous driving(abstract)；self-driving(abstract)；LiDAR(abstract)；分类 cs.CV、cs.AI

CRKD: Enhanced Camera-Radar Object Detection with Cross-modality Knowledge Distillation

Lingjun Zhao, Jingyu Song, Katherine A. Skinner

专题命中 感知 ：autonomous driving(abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments Accepted to CVPR 2024

Multi-Correlation Siamese Transformer Network with Dense Connection for 3D Single Object Tracking

Shihao Feng, Pengpeng Liang, Jin Gao, Erkang Cheng

专题命中 感知 ：autonomous driving(abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments Preprint version for IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (RAL), vol. 8, no. 12, pp. 8066-8073, 2023

Delving into the Devils of Bird's-eye-view Perception: A Review, Evaluation and Recipe

Hongyang Li, Chonghao Sima, Jifeng Dai, Wenhai Wang, Lewei Lu, Huijie Wang, Jia Zeng, Zhiqi Li, Jiazhi Yang, Hanming Deng, Hao Tian, Enze Xie, Jiangwei Xie, Li Chen, Tianyu Li, Yang Li, Yulu Gao, Xiaosong Jia, Si Liu, Jianping Shi, Dahua Lin, Yu Qiao

专题命中 感知 ：autonomous driving(abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments https://github.com/OpenDriveLab/Birds-eye-view-Perception

DistillBEV: Boosting Multi-Camera 3D Object Detection with Cross-Modal Knowledge Distillation

Zeyu Wang, Dingwen Li, Chenxu Luo, Cihang Xie, Xiaodong Yang

专题命中 感知 ：autonomous driving(abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments ICCV 2023

Cross-Modal Analysis of Human Detection for Robotics: An Industrial Case Study

Timm Linder, Narunas Vaskevicius, Robert Schirmer, Kai O. Arras

专题命中 感知 ：autonomous driving(abstract)；self-driving(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments Accepted for publication at 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

MNEW: Multi-domain Neighborhood Embedding and Weighting for Sparse Point Clouds Segmentation

Yang Zheng, Izzat H. Izzat, Sanling Song

专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；driving perception(abstract)；分类 cs.CV、eess.IV

Vision-Based Lane-Changing Behavior Detection Using Deep Residual Neural Network

Zhensong Wei, Chao Wang, Peng Hao, Matthew Barth

专题命中 感知 ：autonomous driving(abstract)；LiDAR(abstract)；trajectory planning(abstract)；分类 cs.CV、eess.IV

Robust Bird's Eye View Segmentation by Adapting DINOv2

Merve Rabia Barın, Görkay Aydemir, Fatma Güney

专题命中 感知 ：autonomous driving(abstract,comments)；BEV(abstract)；LiDAR(abstract)；分类 cs.CV

Comments ECCV 2024 - 2nd Workshop on Vision-Centric Autonomous Driving (VCAD)

High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving

面向自动驾驶中渐进式GNSS欺骗检测的高阶液体证据编码

Muhammad Ayub Sabir, Junbiao Pang, Fatima Ashraf

机构 * Faculty of Information Technology, Beijing University of Technology（北京工业大学信息学部） 纠错

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。

LLM-Assisted Coalition Formation for Cooperative Perception in Autonomous Driving

大语言模型辅助的自动驾驶协同感知联盟形成

Ahmad Sarlak, Hao Wang, Rahul Amin, Abolfazl Razi

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

Hierarchical Fault Localization for Autonomous Driving Systems with Hypothesis Validation and Intent Analysis

基于假设验证和意图分析的自动驾驶系统分层故障定位

Rui Zheng, Changwen Li, Yi Ji, Rongjie Yan

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%。

Channel Knowledge Empowered Finite-Blocklength Rate-Splitting Transmission for High-Mobility Autonomous Driving

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

Yi Wang, Yingyang Chen, Feng Bai, Li Wang, Gang Feng

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

Collaborative Multi-Agent Testing for Emergent Failure Discovery in Autonomous Driving Systems

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

Ruizhen Gu, Konstantinos Koufos, Donghwan Shin, Vahid Garousi, Mehrdad Dianati

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。

Toward the Right Analytical Model and System Software for Autonomous Driving Systems: Open Problems and Research Directions

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

Atsushi Yano, Takuya Azumi

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

NOVA: Next-step Open-Vocabulary Autoregression for 3D Multi-Object Tracking in Autonomous Driving

NOVA：自动驾驶中3D多目标跟踪的下一步开放词汇自回归

Kai Luo, Xu Wang, Rui Fan, Kailun Yang

机构 * College of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与运载工程学院） ； State Key Laboratory of Intelligent Autonomous Systems, Tongji University（同济大学智能自主系统国家重点实验室） 纠错

专题命中 感知 ：autonomous driving(title)；分类 cs.RO、cs.CV、eess.IV

AI总结 提出NOVA方法，通过自回归关联将3D多目标跟踪转化为轨迹条件时空语义序列完成，利用大语言模型实现开放词汇泛化，在nuScenes等数据集上显著提升新类别跟踪性能。

Comments Accepted to IROS 2026. Code will be available at https://github.com/xifen523/NOVA

When Stopping Fails: Rethinking Minimal Risk Conditions through Human-Interactive Autonomous Driving for Safe Transportation Systems

当停止失效：通过人机交互自动驾驶重新思考安全交通系统的最小风险条件

Yash Tandon, Giovanni Tapia Lopez, Marcus Blennemann, Mohan Trivedi, Ross Greer

专题命中 感知 ：autonomous driving(title)；分类 cs.RO、cs.CV、cs.AI

AI总结 分析自动驾驶车辆因停止行为导致的交通阻塞、应急干扰等事故，提出需从被动策略转向人机交互自主性，增强感知、规划与控制能力。

Comments 8 pages, 1 figure, Accepted to IEEE ITSC 2026

Towards Safety-Aware Mutation Testing for Autonomous Driving Systems

面向自动驾驶系统的安全感知变异测试

Donghwan Shin

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

CADENet: Condition-Adaptive Asynchronous Dual-Stream Enhancement Network for Adverse Weather Perception in Autonomous Driving

CADENet：条件自适应异步双流增强网络用于自动驾驶中的恶劣天气感知

Sherif Khairy, Catherine M. Elias

机构 * Computer Science & Engineering Department, German University in Cairo (GUC), Egypt（德国开罗大学（GUC）计算机科学与工程系，埃及） ； C-DRiVeS Lab: Cognitive Driving Research in Vehicular Systems, Cairo, Egypt（认知驾驶系统实验室（C-DRiVeS Lab），开罗，埃及） 纠错

专题命中 感知 ：autonomous driving(title)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出CADENet，一种无需训练的三线系统，通过条件自适应增强和熵引导NMS融合，实现自动驾驶中恶劣天气下的目标检测，同时无需重新训练或额外硬件。

A Novel Segment-Based Tracking Algorithm for HLT under High-Occupancy and Complex Conditions

一种用于高占能和复杂条件下的新型基于段的跟踪算法

Pengkun Jia, Zhujun Fang, Hang Zhou, Yuhe Huang, Changqing Feng, Jianbei Liu

专题命中 感知 ：occupancy(title,abstract)

AI总结 本文提出一种基于跟踪段的新型HLT跟踪算法，通过优化边缘矩阵和合并立体超层段，减少存储段数和边缘矩阵大小，提升HLT跟踪性能，实现数据压缩比达50%-70%。

Lightweight Low-SNR-Robust Semantic Communication System for Autonomous Driving

轻量级低信噪比鲁棒语义通信系统用于自动驾驶

Ruixing Ren, Minjie Wei, Junhui Zhao

专题命中 感知 ：autonomous driving(title,abstract)

AI总结 本文提出一种轻量级低信噪比鲁棒语义通信系统，通过结构剪枝和统一量化与M-QAM调制方案，提升自动驾驶车辆间协作感知的图像传输性能。

Comments 9 pages, 6 figures

Generalizability of Learning-based Occupancy Detection in Residential Buildings

基于学习的住宅建筑占用检测的泛化能力

Mahsa Farjadnia, Katayoun Eshkofti, Albin Apell, Tilde Hjalmarsson, Karl Henrik Johansson, Angela Fontan, Marco Molinari

专题命中 感知 ：occupancy(title,abstract)

AI总结 本文评估了三种机器学习方法在住宅建筑中非侵入式占用检测中的性能，发现LSTM在跨房间泛化能力最强，LR则在低复杂度应用中表现良好。

Comments 8 pages, 8 Figures, 4 Tables, Accepted for publication in the proceedings of the 2026 IFAC World Congress, Busan, Republic of Korea

Foundation Models for Autonomous Driving System: An Initial Roadmap

自动驾驶系统中的基础模型：初步路线图

Xiongfei Wu, Mingfei Cheng, Xiaoning Ren, Qiang Hu, Jianlang Chen, Yuheng Huang, Maxime Cordy, Yao Zhang, Xiaofei Xie, Lei Ma, Yves Le Traon

专题命中 感知 ：autonomous driving(title,abstract)

AI总结 本文探讨了基础模型在自动驾驶系统中的应用，分析了在基础设施、车载集成和实际部署三个维度中的现状、挑战和研究方向，旨在为构建安全可靠的自动驾驶系统提供指导。

Comments To appear in ACM Transactions on Software Engineering and Methodology (TOSEM)