自动驾驶

3DRot: Rediscovering the Missing Primitive for RGB-Based 3D Augmentation

3DRot：重新发现RGB基于3D增强中缺失的基本原理

Shitian Yang, Deyu Li, Xiaoke Jiang, Lei Zhang

机构 * International Digital Economy Academy (IDEA), Shenzhen, China（国际数字经济学院（IDEA）） ； Shenzhen University, Shenzhen, China（深圳大学） 纠错

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

AI总结 3DRot是一种新的RGB基于3D增强方法，通过旋转和镜像图像并更新相关参数，提升3D检测和深度估计的性能。

Robustness of Object Detection of Autonomous Vehicles in Adverse Weather Conditions

自动驾驶车辆在恶劣天气条件下的目标检测鲁棒性

Fox Pettersen, Hong Zhu

机构 * School of Engineering, Computing and Mathematics, Oxford Brookes University（工程、计算与数学学院，奥克斯伯勒斯大学） 纠错

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

AI总结 本文提出了一种评估自动驾驶车辆在恶劣天气条件下目标检测鲁棒性的方法，通过数据增强生成合成数据，测试不同模型在恶劣条件下的表现，发现Faster R-CNN模型鲁棒性最高。

Towards Learning a Generalizable 3D Scene Representation from 2D Observations

从2D观测向量学习通用的3D场景表示

Martin Gromniak, Jan-Gerrit Habekost, Sebastian Kamp, Sven Magg, Stefan Wermter

机构 * University of Hamburg - Department of Informatics（汉堡大学信息学院） ； ZAL Center of Applied Aeronautical Research（应用航空研究中心） ； Hamburger Informatik Technologie-Center e.V. (HITeC)（汉堡信息科技中心（HITeC）） 纠错

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

AI总结 本文提出了一种通用神经辐射场方法，通过第一人称机器人观测学习3D场景表示，实现了对未见场景的泛化能力，并在真实场景中验证了其高精度的3D重建性能。

Comments Paper accepted at ESANN 2026

Adversarial Wear and Tear: Exploiting Natural Damage for Generating Physical-World Adversarial Examples

对抗性磨损：利用自然损坏生成物理世界对抗性示例

Samra Irshad, Seungkyu Lee, Nassir Navab, Hong Joo Lee, Seong Tae Kim

机构 * Department of Computer Science and Engineering, Kyung Hee University（计算机科学与工程系，庆熙大学） ； Technical University of Munich（慕尼黑技术大学） ； Seoul National University of Science and Technology（首尔科学理工大学） ； G-LAMP NEXUS Institute, Kyung Hee University（G-LAMP NEXUS研究所，庆熙大学） 纠错

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

AI总结 本文提出AdvWT，通过模拟自然磨损生成更真实有效的物理世界对抗性示例，提升深度神经网络在现实环境中的鲁棒性。

Comments Accepted to IEEE Transactions in Secure and Dependable Computing. This version corresponds to the author's accepted manuscript

Neural Sentinel: Unified Vision Language Model (VLM) for License Plate Recognition with Human-in-the-Loop Continual Learning

神经哨兵：用于车牌识别的统一视觉语言模型（VLM）与人类在循环持续学习

Karthik Sivakoti

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

AI总结 Neural Sentinel利用视觉语言模型实现车牌识别与多任务学习，提升准确率并减少系统复杂性。

DRMOT: A Dataset and Framework for RGBD Referring Multi-Object Tracking

DRMOT：用于RGBD参照多目标跟踪的数据集和框架

Sijia Chen, Lijuan Ma, Yanqiu Yu, En Yu, Liman Liu, Wenbing Tao

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

AI总结 本文提出DRMOT任务，通过融合RGB、深度和语言信息，构建DRSet数据集并提出DRTrack框架，提升多目标跟踪的3D感知能力。

Comments https://github.com/chen-si-jia/DRMOT

LSA: Localized Semantic Alignment for Enhancing Temporal Consistency in Traffic Video Generation

LSA：局部语义对齐用于增强交通视频生成中的时间一致性

Mirlan Karimov, Teodora Spasojevic, Markus Braun, Julian Wiederer, Vasileios Belagiannis, Marc Pollefeys

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； ETH Zurich（苏黎世联邦理工学院） ； Friedrich-Alexander University Erlangen-Nuremberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

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

AI总结 LSA通过局部语义对齐提升交通视频生成的时间一致性，无需外部控制信号。

Comments Accepted to IEEE IV 2026. 8 pages, 3 figures. Code available at https://github.com/mirlanium/LSA

PIRATR: Parametric Object Inference for Robotic Applications with Transformers in 3D Point Clouds

PIRATR：基于变换器的参数化物体推理用于机器人应用的3D点云

Michael Schwingshackl, Fabio F. Oberweger, Mario Niedermeyer, Huemer Johannes, Markus Murschitz

机构 * AIT Austrian Institute of Technology Center for Vision, Automation & Control（奥地利技术研究院视觉、自动化与控制中心） 纠错

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

AI总结 PIRATR通过端到端3D点云检测框架，结合变换器实现参数化物体的6自由度姿态和属性估计，适用于机器人应用。

Comments 8 Pages, 11 Figures, Accepted at 2026 IEEE International Conference on Robotics & Automation (ICRA) Vienna

JRDB-Pose3D: A Multi-person 3D Human Pose and Shape Estimation Dataset for Robotics

JRDB-Pose3D: 一个多人群3D人体姿态和形状估计数据集用于机器人

Sandika Biswas, Kian Izadpanah, Hamid Rezatofighi

机构 * Monash University（莫纳什大学） ； Sharif University（沙里夫大学） 纠错

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

AI总结 JRDB-Pose3D数据集通过移动机器人平台捕捉多人群的室内外环境，提供丰富的3D人体姿态和形状注释，用于机器人感知和人机交互等应用。

OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering

OptiPMB：通过优化的泊松多伯努利滤波增强3D多目标跟踪

Guanhua Ding, Yuxuan Xia, Runwei Guan, Qinchen Wu, Tao Huang, Weiping Ding, Jinping Sun, Guoqiang Mao

机构 * School of Electronic Information Engineering, Beihang University（电子信息工程学院，北京航空航天大学） ； School of Automation and Intelligent Sensing, Shanghai Jiaotong University（自动化与智能感知学院，上海交通大学） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科技大学） ； College of Science and Engineering, James Cook University（科学与工程学院，詹姆斯库克大学） ； School of Artificial Intelligence and Computer Science, Nantong University（人工智能与计算机科学学院，南通大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； Research Laboratory of Smart Driving and Intelligent Transportation Systems, Southeast University（智能驾驶与智能交通系统研究实验室，东南大学） 纠错

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

AI总结 OptiPMB通过优化的泊松多伯努利滤波器和创新设计提升3D多目标跟踪的准确性与性能

Mixed Precision PointPillars for Efficient 3D Object Detection with TensorRT

混合精度PointPillars用于基于TensorRT的高效3D目标检测

Ninnart Fuengfusin, Keisuke Yoneda, Naoki Suganuma

机构 * Advanced Mobility Research Institute（先进移动研究院） ； Kanazawa University（金泽大学） 纠错

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

AI总结 本文提出混合精度PointPillars框架，结合TensorRT实现高效3D目标检测，通过量化感知训练和贪心搜索优化模型性能，降低延迟达2.538倍。

Comments 6 pages, 4 figures

UAV-Based Infrastructure Inspections: A Literature Review and Proposed Framework for AEC+FM

基于无人机的基础设施检查：面向AEC+FM的文献综述与提出框架

Amir Farzin Nikkhah, Dong Chen, Bradford Campbell, Somayeh Asadi, Arsalan Heydarian

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

AI总结 本文综述了无人机在基础设施检查中的应用，提出框架整合多模态数据与Transformer架构，以提高检测准确性和可靠性，未来研究方向包括轻量级AI模型和合成数据集。

Comments Withdrawn at the request of the authors to allow further revisions

Masked Depth Modeling for Spatial Perception

遮蔽深度建模用于空间感知

Bin Tan, Changjiang Sun, Xiage Qin, Hanat Adai, Zelin Fu, Tianxiang Zhou, Han Zhang, Yinghao Xu, Xing Zhu, Yujun Shen, Nan Xue

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

AI总结 LingBot-Depth通过遮蔽深度建模和自动化数据整理流水线，在深度精度和像素覆盖上优于顶级RGB-D相机，提供跨RGB和深度模态的对齐潜在表示。

Comments Tech report, 19 pages, 15 figures and 4 tables

OT-Drive: Out-of-Distribution Off-Road Traversable Area Segmentation via Optimal Transport

OT-Drive: 基于最优传输的离群分布越野可通行区域分割

Zhihua Zhao, Guoqiang Li, Chen Min, Kangping Lu

机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Shandong Pengxiang Automobile Co., Ltd（山东鹏翔汽车有限公司） 纠错

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

AI总结 OT-Drive通过最优传输方法实现离群分布越野可通行区域分割，提升自动驾驶在复杂环境下的鲁棒性和泛化能力。

Comments 9 pages, 8 figures, 6 tables. This work has been submitted to the IEEE for possible publication. Code will be released upon acceptance

Hiking in the Wild: A Scalable Perceptive Parkour Framework for Humanoids

野外徒步：一种可扩展的感知跳跃框架用于人形机器人

Shaoting Zhu, Ziwen Zhuang, Mengjie Zhao, Kun-Ying Lee, Hang Zhao

机构 * IIIS, Tsinghua University（清华大学人工智能研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出了一种可扩展的感知跳跃框架，通过结合地形边缘检测和脚部体积点，实现人形机器人在复杂地形中的稳健徒步。

Comments Project Page: https://project-instinct.github.io/hiking-in-the-wild

3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation

3D-Agent：三模态多智能体协作用于可扩展的3D物体标注

Jusheng Zhang, Yijia Fan, Zimo Wen, Jian Wang, Keze Wang

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snap Inc.（Snap公司） 纠错

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

AI总结 Tri MARF通过三模态多智能体协作提升大规模3D物体标注效率与精度

Comments Accepted at NeurIPS 2025

ParkGaussian: Surround-view 3D Gaussian Splatting for Autonomous Parking

ParkGaussian：用于自动驾驶停车的环绕视图3D高斯点云法

Xiaobao Wei, Zhangjie Ye, Yuxiang Gu, Zunjie Zhu, Yunfei Guo, Yingying Shen, Shan Zhao, Ming Lu, Haiyang Sun, Bing Wang, Guang Chen, Rongfeng Lu, Hangjun Ye

机构 * Hangzhou Dianzi University（杭州电子科技大学） 纠错

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

AI总结 ParkGaussian通过整合3D高斯点云法，实现了停车场景的高质量重建，提升了自动驾驶停车任务中的感知一致性。

Guided Diffusion-based Generation of Adversarial Objects for Real-World Monocular Depth Estimation Attacks

引导扩散生成对抗性物体用于现实世界单目深度估计攻击

Yongtao Chen, Yanbo Wang, Wentao Zhao, Guole Shen, Tianchen Deng, Jingchuan Wang

机构 * School of Automation and Intelligent Sensing, Institute of Medical Robotics, Shanghai Jiao Tong University（自动化与智能感知学院、医疗机器人研究院、上海交通大学） 纠错

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

AI总结 本文提出一种无需训练的生成对抗攻击框架，通过扩散模型生成自然且场景一致的对抗性物体，以提升自动驾驶系统中单目深度估计的对抗攻击效果和实用性。

CAML: Collaborative Auxiliary Modality Learning for Multi-Agent Systems

CAML: 多智能体系统中的协同辅助模态学习

Rui Liu, Yu Shen, Peng Gao, Pratap Tokekar, Ming Lin

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） ； Adobe Research（Adobe 研究院） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 CAML通过多智能体协作和共享多模态数据，提升多模态学习在资源受限环境下的性能，实现事故检测和语义分割的显著改进。

SLTNet: Efficient Event-based Semantic Segmentation with Spike-driven Lightweight Transformer-based Networks

SLTNet: 面向事件感知语义分割的高效轻量级脉冲神经网络

Xianlei Long, Xiaxin Zhu, Fangming Guo, Wanyi Zhang, Qingyi Gu, Chao Chen, Fuqiang Gu

机构 * College of Computer Science, Chongqing University（重庆大学计算机学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 SLTNet通过脉冲驱动轻量级变压器网络实现高效事件感知语义分割，提升性能并降低能耗

Comments Accepted by IROS 2025 (2025 IEEE/RSJ International Conference on Intelligent Robots and Systems)

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Exploring Syn-to-Real Domain Adaptation for Military Target Detection

探索合成到现实领域适应用于军事目标检测

Jongoh Jeong, Youngjin Oh, Gyeongrae Nam, Jeongeun Lee, Kuk-Jin Yoon

机构 * Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院机械工程系） ； Drone Research and Development Laboratory, LIG Nex1（LIG Nex1无人机研究与发展实验室） 纠错

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

AI总结 本文提出使用Unreal Engine生成RGB合成数据，以提升军事目标检测在跨领域适应中的性能。

RT-Focuser: A Real-Time Lightweight Model for Edge-side Image Deblurring

RT-Focuser: 一种用于边缘侧图像去模糊的轻量级模型

Zhuoyu Wu, Wenhui Ou, Qiawei Zheng, Jiayan Yang, Quanjun Wang, Wenqi Fang, Zheng Wang, Yongkui Yang, Heshan Li

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

AI总结 RT-Focuser是一种轻量级实时图像去模糊模型，通过三个关键模块提升速度与精度，实现高PSNR和高帧率，适用于边缘计算场景。

Comments 2 pages, 2 figures, this paper already accepted by IEEE ICTA 2025

TrackTeller: Temporal Multimodal 3D Grounding for Behavior-Dependent Object References

TrackTeller: 基于时间的多模态3D定位用于行为依赖的对象引用

Jiahong Yu, Ziqi Wang, Hailiang Zhao, Wei Zhai, Xueqiang Yan, Shuiguang Deng

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

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

AI总结 TrackTeller通过融合LiDAR图像、语言条件解码和时间推理，提升动态3D场景中基于语言的物体定位与跟踪性能。

Vehicle-centric Perception via Multimodal Structured Pre-training

基于多模态结构预训练的车辆感知

Wentao Wu, Xiao Wang, Chenglong Li, Jin Tang, Bin Luo

机构 * Information Materials and Intelligent Sensing Laboratory of Anhui Province（安徽省信息材料与智能感知实验室） ； Anhui Provincial Key Laboratory of Multimodal Cognitive Computation（安徽省多模态认知计算重点实验室） ； the School of Artificial Intelligence, Anhui University（安徽大学人工智能学院） ； School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） 纠错

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

AI总结 本文提出VehicleMAE-V2，通过多模态结构先验知识提升车辆感知的预训练能力，采用SMM、CRM和SRM模块增强模型对车辆结构和语义的理解。

Comments Journal extension of VehicleMAE (AAAI 2024)

NeSLAM: Neural Implicit Mapping and Self-Supervised Feature Tracking With Depth Completion and Denoising

NeSLAM: 基于深度补全与去噪的神经隐式映射与自监督特征跟踪

Tianchen Deng, Yanbo Wang, Hongle Xie, Hesheng Wang, Jingchuan Wang, Danwei Wang, Weidong Chen

机构 * Institute of Medical Robotics and Department of Automation, Shanghai Jiao Tong University（上海交通大学医疗机器人研究所和自动化系） ； Key Laboratory of System Control and Information Processing, Ministry of Education, Shang hai 200240, China（教育部系统控制与信息处理重点实验室，上海200240，中国） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

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

AI总结 NeSLAM通过深度补全与去噪网络和SDF表示，实现高精度的3D重建、鲁棒的相机跟踪和视点合成。

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 22, pp. 12309-12321, 2025

Uncertainty-Gated Region-Level Retrieval for Robust Semantic Segmentation

不确定性门控区域级检索用于鲁棒语义分割

Shreshth Rajan, Raymond Liu

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

AI总结 本文提出一种不确定性门控区域级检索机制，提升语义分割在域移位下的鲁棒性和精度，实现分割准确率提升11.3%且检索成本降低87.5%。

Symbolic Imitation Learning: From Black-Box to Explainable Driving Policies

符号模仿学习：从黑箱到可解释的驾驶策略

Iman Sharifi, Mustafa Yildirim, Saber Fallah

机构 * Department of Science and Engineering, the George Washington University（科学与工程系，乔治·华盛顿大学） ； Autonomous Vehicles Lab, Department of Mechanical Engineering, University of Surrey（自主车辆实验室，机械工程系，萨里大学） 纠错

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

AI总结 本文提出符号模仿学习框架，利用归纳逻辑编程生成可解释的驾驶策略，通过实验证明其在提升透明度和性能方面的优势。

Comments 24 pages, 4 figures, 4 tables

Autoencoder-based Denoising Defense against Adversarial Attacks on Object Detection

基于自动编码器的对抗攻击防御方法用于目标检测

Min Geun Song, Gang Min Kim, Woonmin Kim, Yongsik Kim, Jeonghyun Sim, Sangbeom Park, Huy Kang Kim

机构 * School of Cybersecurity in Korea University（韩国大学网络安全学院） 纠错

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

AI总结 本文提出基于自动编码器的去噪方法，用于防御目标检测中的对抗攻击，实验表明该方法能有效恢复检测性能，无需模型重训练。

Comments 7 pages, 2 figures

Multi-modal Uncertainty Robust Tree Cover Segmentation For High-Resolution Remote Sensing Images

多模态不确定性鲁棒树冠覆盖分割用于高分辨率遥感图像

Yuanyuan Gui, Wei Li, Yinjian Wang, Xiang-Gen Xia, Mauro Marty, Christian Ginzler, Zuyuan Wang

机构 * School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； National Key Laboratory of Science and Technology on Space-Born Intelligent Information Processing（空间智能信息处理国家重点实验室） ； Department of Electrical and Computer Engineering, University of Delaware（电气与计算机工程系，德雷塞尔大学） ； Swiss Federal Institute for Forest, Snow, and Landscape Research WSL（瑞士森林、雪和景观研究联邦 institute WSL） 纠错

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

AI总结 MURTreeFormer通过多模态分割框架降低不确定性，提升高分辨率遥感图像中树冠分割的鲁棒性与准确性。

Journal ref IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2026

Active Optics for Hyperspectral Imaging of Reflective Agricultural Leaf Sensors

主动光学用于反射农业叶片传感器的高光谱成像

Dexter Burns, Sanjeev Koppal

机构 * University of Florida Department of Electrical 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO、eess.IV

AI总结 本文提出了一种低成本主动光学系统，用于高效定位和采样农业叶片传感器，实现高光谱成像和实时植物健康监测。