自动驾驶

ForestMamba: Sparse Mamba with Geometry-guided Queries for 3D Forest Point Cloud Segmentation

ForestMamba: 基于几何引导查询的稀疏Mamba用于3D森林点云分割

Trung Thanh Nguyen, Tuan-Anh Vu, Duc Viet Le, Yasutomo Kawanishi, Takahiro Komamizu, Ichiro Ide, Teja Kattenborn

机构 * Nagoya University（名古屋大学） ； RIKEN Seika（日本理化学研究所Seika研究中心） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Twente（埃因霍温理工大学） ； Ritsumeikan University（立命馆大学） 纠错

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

AI总结 提出ForestMamba方法，通过稀疏编码器、几何引导查询初始化和Mamba查询解码器，实现高效且结构感知的森林点云分割，在七个森林区域上优于现有方法，推理速度提升3倍，GPU内存降低2.3倍。

Dynamic Resilient Spatio-Semantic Memory with Hybrid Localization for Mobile Manipulation

面向移动操作的动态弹性时空语义记忆与混合定位

Zhijie Yan, Shufei Li, Ze Zhang, Xin Liu, Yuhang Zheng, Zuoxu Wang

机构 * School of Mechanical Engineering and Automation, Beihang University（北京航空航天大学机械工程及自动化学院） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

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

AI总结 提出DREAM框架，通过在线构建时空语义体素记忆、冗余感知记忆剪枝和混合定位，实现无预建地图的动态室内移动操作，将长时任务成功率提升至55%-70%。

Comments Code, CAD model, and real-robot demonstrations are available at https://bjhyzj.github.io/dream-web

TRANS: Terrain-aware Reinforcement Learning for Agile Navigation of Quadruped Robots under Social Interactions

TRANS：面向社交互动下四足机器人敏捷导航的地形感知强化学习

Wei Zhu, Irfan Tito Kurniawan, Ye Zhao, Mitsuhiro Hayashibe

机构 * Department of Robotics, Graduate School of Engineering, Tohoku University（东邦大学机器人学系） ； Laboratory for Intelligent Decision and Autonomous Robots, Woodruff School of Mechanical Engineering, Georgia Institute of Technology（佐治亚理工学院智能决策与自主机器人实验室） 纠错

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

AI总结 提出一个名为TRANS的两阶段深度强化学习框架，通过三个DRL流水线（TRANS-Loco、TRANS-Nav和统一TRANS）实现四足机器人在非结构化地形上的社交导航，克服了传统方法中运动规划与运动控制分离、缺乏地形感知以及假设静态环境等局限。

Joint Instance Segmentation and Geometric Attribute Regression for Roof Structures in Aerial Imagery

航空影像中屋顶结构的联合实例分割与几何属性回归

Luuk Versteeg, Rob G. J. Wijnhoven, Martin R. Oswald

机构 * University of Amsterdam (UvA)（阿姆斯特丹大学） 纠错

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

AI总结 提出一种从单张航空正射影像中联合预测屋顶实例分割掩码和三个连续几何属性（建筑高度、屋顶坡度、屋顶方位角）的方法，通过条件方位角损失和对数归一化高度表示解决数据噪声和分布偏斜问题，在荷兰大规模数据集上实现了高精度，并可从单张图像重建简化3D建筑模型。

GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds

GreenSeg: 基于RGB-D点云的地中海温室农业机器人地面分割算法

Fernando Cañadas-Aránega, José C. Moreno, José L. Blanco-Claraco

机构 * Department of Informatics, CIESOL, ceiA3, Universidad de Almería（信息学院，CIESOL，ceiA3，阿尔梅里亚大学） 纠错

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

AI总结 针对地中海温室狭窄通道、异构地形和光学干扰等挑战，提出一种基于RGB-D感知的双层验证地面分割框架GreenSeg，通过全局平面拟合、曲率滤波和种子点区域生长实现稳定导航，在AGRICOBIOT I平台上验证了其在动态光照下优于基准方法。

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

面向任务驱动无人机网络的能量感知多智能体强化学习扩展与个体奖励

Changling Li, Ying Li

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Colby College（科尔比学院计算机科学系） 纠错

专题命中 感知 ：autonomous driving(abstract)；trajectory planning(abstract)；分类 cs.AI

AI总结 提出基于个体奖励函数的能量感知多智能体强化学习模型，利用深度Q网络解决无人机网络动态环境和电池容量限制下的轨迹规划问题，实验表明在任务密度高时成功率接近100%，且扩展性优于共享奖励模型。

Comments IEEE Internet of Things Journal

Journal ref volume=12, number=8, year=2025, pages=10640-10654

SFG-ROS: A Resource-Aware Framework for Dense Multi-Agent Perception

SFG-ROS：面向密集多智能体感知的资源感知框架

Constantin Blessing, Elias Geiger, Jakob Häringer, Dennis Grewe, Markus Enzweiler

机构 * Institute for Intelligent Systems, Faculty of Computer Sciences and Engineering（智能系统研究所，计算机科学与工程学院） 纠错

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

AI总结 针对ROS 2在多机器人协作感知中的网络饱和与计算开销问题，提出SFG-ROS框架，通过模式驱动的流量路由、按需集中解码和硬件无关容器管道，将网络流量限制为O(1)并减少72.3%的CPU扩展开销。

Weakly Supervised Cross-Modal Learning for 4D Radar Scene Flow Estimation

弱监督跨模态学习用于4D雷达场景流估计

Jingyun Fu, Zhiyu Xiang, Na Zhao

机构 * Zhejiang University, Hangzhou, Zhejiang, China（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） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 本文提出了一种弱监督的雷达场景流学习框架，利用图像和里程计进行辅助监督，通过实例感知的自监督损失和静态区域的刚性损失，实现了更高效的场景流估计。

Comments Accepted by ICML2026

Hardware Utilization and Inference Performance of Edge Object Detection Under Fault Injection

边缘目标检测在故障注入下的硬件利用与推断性能

Faezeh Pasandideh, Mehdi Azarafza, Achim Rettberg

机构 * Hamm-Lippstadt University of Applied Sciences (HSHL)（哈姆-利普施塔特应用科学大学（HSHL）） 纠错

专题命中 感知 ：autonomous driving(abstract)；occupancy(abstract)；分类 cs.AI

AI总结 研究通过故障注入测试评估了TensorRT优化的YOLO模型在边缘平台上的硬件行为，发现其在资源降级下保持稳定性能，为边缘推断可靠性提供硬件层面的视角。

3DTMDet: A Dual-Path Synergy Network of Transformer and SSM for 3D Object Detection in Point Clouds

3DTMDet：一种结合Transformer和SSM的双路径协同网络用于点云中的3D目标检测

Bingwen Qiu, Yuan Liu, Junqi Bai, Tong Jiang, Ben Liang, Fangzhou Chen, Xiubao Sui, Qian Chen

机构 * School of Electronic and Optical Engineering（电子与光学工程学院） ； The 28th Research Institute of China Electronics Technology Group Corporation（中国电子科技集团第二十八研究所） ； College of Astronautics（航天学院） ； School of Information and Communication Engineering（信息与通信工程学院） ； State key Laboratory of Extreme Environment Optoelectronic Dynamic Measurement Technology and Instrument（极端环境光电动态测量技术与仪器国家重点实验室） 纠错

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

AI总结 本文提出3DTMDet网络，结合SSM和Transformer，解决点云检测中稀疏点与远距离上下文理解的矛盾，通过3D混合Mamba Transformer模块和体素生成模块提升检测性能。

FugSeg: Fast Uncertainty-aware Ground Segmentation for 3D Point Cloud

FugSeg：面向3D点云的快速不确定性感知地面分割

Yu Li, Volker Schwieger

机构 * Institute of Engineering Geodesy, University of Stuttgart（斯图加特大学工程大地测量研究所） ； Daimler Truck AG（戴姆勒卡车公司） 纠错

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

AI总结 本文提出FugSeg，一种快速且考虑不确定性的地面分割方法，通过极坐标网格地图表示和自适应坡度策略，有效处理反射噪声和孤立地面问题，在多个数据集上实现最高精度和最快速度。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems

Journal ref IEEE Transactions on Intelligent Transportation Systems (Early Access), 2026

Low-Cost Stereo Vision for Robust 3D Positioning of Thin Radiata Pine Branches in Autonomous Drone Pruning

低成本立体视觉用于自主无人机修剪中薄辐射松枝的稳健三维定位

Yida Lin, Bing Xue, Mengjie Zhang, Sam Schofield, Richard Green

机构 * Centre of Data Science and Artificial Intelligence & School of Engineering and Computer Science（数据科学与人工智能中心及工程与计算机科学学院） 纠错

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

AI总结 本文研究利用低成本立体相机实现自主无人机修剪薄枝的三维定位，通过分支分割与深度估计方法，解决森林场景中纹理稀疏、结构细长和噪声干扰等问题。

GA3T: A Ground-Aerial Terrain Traversability Dataset for Heterogeneous Robot Teams in Unstructured Environments

GA3T：一种用于异构机器人团队在非结构化环境中的地面-空中地形可 traversability 数据集

Siwei Cai, Knut Peterson, Quan Tran, Christian Ricks, Dhanush Parthasarathy, Amir Kaidarov, Neil Deshpande, Sukaina Najm, David Han, Lifeng Zhou

机构 * Drexel University（德雷塞尔大学） 纠错

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

AI总结 GA3T 数据集通过地面和空中平台的多模态数据融合，提升非结构化环境中的地形可 traversability 估计与协同场景理解能力。

Comments For DARS 2026

Radar-Informed 3D Multi-Object Tracking under Adverse Conditions

基于雷达的三维多目标跟踪在恶劣条件下的应用

Bingxue Xu, Emil Hedemalm, Ajinkya Khoche, Patric Jensfelt

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出RadarMOT框架，利用雷达点云提升远距离目标跟踪精度，在MAN-TruckScenes数据集上提升了AMOTA指标12.7%和10.3%。

Comments 7 pages, 5 figures

SemLT3D: Semantic-Guided Expert Distillation for Camera-only Long-Tailed 3D Object Detection

SemLT3D: 基于语义的专家蒸馏用于仅相机的长尾3D目标检测

Hao Vo, Khoa Vo, Thinh Phan, Ngo Xuan Cuong, Gianfranco Doretto, Hien Nguyen, Anh Nguyen, Ngan Le

机构 * AICV Lab, University of Arkansas, USA（AICV实验室，阿肯色大学，美国） ； University of Utah, USA（犹他大学，美国） ； University of Houston, USA（休斯顿大学，美国） ； University of Liverpool, UK（利物浦大学，英国） 纠错

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

AI总结 针对仅相机3D目标检测中长尾不平衡问题，提出SemLT3D框架，通过语义先验增强稀有类别表示，结合语言引导的专家混合模块和语义投影蒸馏流程，提升模型对长尾分布和复杂场景的识别能力。

Comments CVPR 2026

CORP: A Multi-Modal Dataset for Campus-Oriented Roadside Perception Tasks

CORP：面向校园道路感知任务的多模态数据集

Beibei Wang, Zijian Yu, Lu Zhang, Jingjing Huang, Yao Li, Haojie Ren, Yuxuan Xiao, Yuru Peng, Jianmin Ji, Yu Zhang, Yanyong Zhang

机构 * Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出CORP数据集，首个针对校园场景的多模态道路感知任务基准数据集，包含205k张图像和102k点云，用于提升校园区域的3D跟踪和实例分割性能。

Temporally Consistent Long-Term Memory for 3D Single Object Tracking

用于3D单目标跟踪的时序一致长期记忆

Jaejoon Yoo, SuBeen Lee, Yerim Jeon, Miso Lee, Jae-Pil Heo

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 本文提出ChronoTrack框架，通过长期记忆和双重损失函数提升3D单目标跟踪的时序一致性与效率，实现新的SOTA性能。

Comments Accepted to CVPR 2026 Findings

Long-SCOPE: Fully Sparse Long-Range Cooperative 3D Perception

Long-SCOPE：完全稀疏的长距离协作3D感知

Jiahao Wang, Zikun Xu, Yuner Zhang, Zhongwei Jiang, Chenyang Lu, Shuocheng Yang, Yuxuan Wang, Jiaru Zhong, Chuang Zhang, Shaobing Xu, Jianqiang Wang

机构 * Tsinghua University（清华大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出Long-SCOPE框架，通过几何引导查询生成模块和上下文感知关联模块，解决远距离协作3D感知中的计算复杂性和特征关联问题，实现高精度低开销的长距离感知。

Comments Accepted by CVPR 2026

SparseCoop: Cooperative Perception with Kinematic-Grounded Queries

SparseCoop：基于运动学的协作感知

Jiahao Wang, Zhongwei Jiang, Wenchao Sun, Jiaru Zhong, Haibao Yu, Yuner Zhang, Chenyang Lu, Chuang Zhang, Lei He, Shaobing Xu, Jianqiang Wang

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

AI总结 本文提出SparseCoop，一种完全稀疏的协作感知框架，用于3D检测与跟踪，通过运动学实例查询、粗到细聚合模块和协作实例去噪任务，实现高效且鲁棒的协作感知。

Comments Accepted by AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, vol. 40, no. 12, pp. 9876-9884 (2026)

Telescope: Learnable Hyperbolic Foveation for Ultra-Long-Range Object Detection

望远镜：可学习的双曲视点用于超长距离目标检测

Parker Ewen, Dmitriy Rivkin, Mario Bijelic, Felix Heide

机构 * Torc Robotics ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出Telescope模型，通过可学习的双曲视点解决超长距离目标检测中远距离小目标检测难题，实现mAP相对提升76%。

Comments Project website: https://light.princeton.edu/telescope

HorizonWeaver: Generalizable Multi-Level Semantic Editing for Driving Scenes

HorizonWeaver: 通用多级语义编辑用于驾驶场景

Mauricio Soroco, Francesco Pittaluga, Zaid Tasneem, Abhishek Aich, Bingbing Zhuang, Wuyang Chen, Manmohan Chandraker, Ziyu Jiang

机构 * Simon Fraser University（西蒙菲莎大学） ； NEC Labs America（NEC美国实验室） 纠错

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

AI总结 本文提出HorizonWeaver，通过多级粒度、丰富高层语义和普遍领域转移解决驾驶场景编辑难题，构建大规模数据集并改进模型与训练方法，实现复杂驾驶场景的高质量指令驱动编辑。

Comments CVPR Findings 2026

Polarimetric Imaging for Perception

极化成像用于感知

Michael Baltaxe, Tomer Pe'er, Dan Levi

机构 * General Motors（通用汽车） 纠错

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

AI总结 本文研究极化成像在自动驾驶中的应用，利用RGB极化相机提升单目深度估计和自由空间检测性能，提出新数据集支持极化信息感知算法开发。

Journal ref British Machine Vision Conference (BMVC) 2023

Octree Diffusion for Semantic Scene Generation and Completion

八叉树扩散用于语义场景生成与补全

Xujia Zhang, Brendan Crowe, Christoffer Heckman

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； Autonomous Robotics and Perception Group（自主机器人与感知实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 本文提出Octree Latent Semantic Diffusion框架，通过八叉树隐式表示实现跨域的3D语义场景补全、扩展和生成，结合结构扩散与语义扩散生成语义标签，无需重训练即可完成单扫描的补全与零样本泛化。

Comments Accepted to ICRA 2026. Revised version with updated paragraphs

Journal ref Proceedings of the 2026 IEEE International Conference on Robotics and Automation (ICRA)

TruckDrive: Long-Range Autonomous Highway Driving Dataset

TruckDrive：长距离自动驾驶高速公路数据集

Filippo Ghilotti, Edoardo Palladin, Samuel Brucker, Adam Sigal, Mario Bijelic, Felix Heide

机构 * Torc Robotics ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出TruckDrive数据集，用于解决重卡车高速公路自动驾驶中长距离感知的挑战，通过多模态传感器采集47.5万样本，支持20秒序列中2D检测1000米和3D检测400米的感知基准测试。

UniDA3D: A Unified Domain-Adaptive Framework for Multi-View 3D Object Detection

UniDA3D：一种统一的多视图3D目标检测领域自适应框架

Hongjing Wu, Cheng Chi, Jinlin Wu, Yanzhao Su, Zhen Lei, Wenqi Ren

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） 纠错

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

AI总结 UniDA3D通过统一领域自适应方法提升多视图3D目标检测在复杂环境下的鲁棒性，采用新颖的查询引导领域差异缓解模块和动态伪标签训练策略，实现跨多领域的一致性学习。

Rotor-Failure-Aware Quadrotors Flight in Unknown Environments

具有旋转故障意识的四旋翼在未知环境中的飞行

Xiaobin Zhou, Miao Wang, Chengao Li, Can Cui, Ruibin Zhang, Yongchao Wang, Chao Xu, Fei Gao

机构 * School of Robotics and Automation, Nanjing University（南京大学机器人与自动化学院） ； Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制系统研究所） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空工程系） ； School of Aeronautic Science and Engineering, Beihang University（北航航空科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出一种具有旋转故障意识的四旋翼导航系统，通过复合故障检测与诊断非线性模型预测控制器和LiDAR平台，在未知复杂环境中实现旋转故障的快速检测与飞行稳定。

Typography-Based Monocular Distance Estimation Framework for Vehicle Safety Systems

基于字体的单目距离估计框架用于车辆安全系统

Manognya Lokesh Reddy, Zheng Liu

机构 * Department of Computer and Information Science, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校计算机与信息科学系） ； Department of Industrial and Manufacturing Systems Engineering, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校工业与制造系统工程系） 纠错

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

AI总结 本文提出基于车牌标准化字体的单目距离估计方法，利用字符高度和针孔相机模型计算距离，结合多种鲁棒性增强技术，实现高精度实时距离估计。

Comments 25 pages, 11 figures

EZ-SP: Fast and Lightweight Superpoint-Based 3D Segmentation

EZ-SP：快速且轻量的基于超点的3D分割

Louis Geist, Loic Landrieu, Damien Robert

机构 * LIGM, ENPC, IP Paris, Univ Gustave Eiffel, CNRS（LIGM，ENPC，IP巴黎，巴黎理工大学，CNRS） ； DM3L, University of Zurich（DM3L，苏黎世大学） 纠错

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

AI总结 本文提出了一种高效的基于超点的3D语义分割方法，通过全GPU分区算法实现13倍更快的处理速度，结合轻量级分类器，达到2MB显存占用，支持实时推理，并在三个领域验证了其准确性。

Comments Accepted at ICRA 2026. Camera-ready version with Appendix

IDSplat: Instance-Decomposed 3D Gaussian Splatting for Driving Scenes

IDSplat：实例分解的3D高斯点云法用于驾驶场景

Carl Lindström, Mahan Rafidashti, Maryam Fatemi, Lars Hammarstrand, Martin R. Oswald, Lennart Svensson

机构 * Zenseact ； Chalmers University of Technology（瑞典查尔姆斯理工大学） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 IDSplat通过实例分解和可学习运动轨迹重建动态驾驶场景，无需人工标注，实现场景分离与泛化。

CoInfra: A Large-Scale Cooperative Infrastructure Perception System and Dataset for Vehicle-Infrastructure Cooperation in Adverse Weather

CoInfra：一种大规模协作基础设施感知系统及数据集，用于恶劣天气下的车-基础设施协作

Minghao Ning, Yufeng Yang, Keqi Shu, Shucheng Huang, Jiaming Zhong, Maryam Salehi, Mahdi Rahmani, Jiaming Guo, Yukun Lu, Chen Sun, Aladdin Saleh, Ehsan Hashemi, Amir Khajepour

机构 * Department of Mechanical and Mechatronics Engineering, University of Waterloo（滑铁卢大学机械与机电工程系） ； Department of Mechanical Engineering, University of New Brunswick（新不伦瑞克大学机械工程系） ； Department of Data and Systems Engineering, University of Hong Kong（香港大学数据与系统工程系） ； Technology Partnerships and Innovations, Rogers Communications, Canada Inc.（罗杰斯通讯公司技术创新部） ； Department of Mechanical Engineering, University of Alberta（阿尔伯塔大学机械工程系） 纠错

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

AI总结 本文提出CoInfra系统，通过14个路侧传感器节点和5G网络实现多节点协同感知，涵盖8个节点的环形城市交叉口在四种天气条件下的数据，验证基础设施感知在复杂交通场景中的安全提升作用。

Comments This paper has been submitted to the Transportation Research Part C: Emerging Technologies for review