多模态信息融合

LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design

LLM赋能的自动驾驶多模态融合框架：语义增强与信道自适应设计

Wen Wang, Yaping Sun, Yejun He, Hao Chen, Zhiyong Chen, Xiaodong Xu, Nan Ma, Shuguang Cui

机构 * National Natural Science Foundation of China（国家自然科学基金） ； Shenzhen Natural Science Foundation（深圳市自然科学基金） ； Shenzhen Key Laboratory Evaluation（深圳市重点实验室评估） 纠错

专题命中 自动驾驶多传感器融合 ：multimodal fusion(title)；分类 cs.CV、eess.SP

AI总结 提出LM-SCIP框架，以LLM为核心推理中枢，通过信道自适应语义模块动态融合视觉与雷达特征，实现低信噪比下的视觉主导回退和高信噪比下的协同融合，在nuScenes和VIRAT数据集上显著提升定位精度。

Comments 6 pages, 4 figures. Accepted by 2026 IEEE 37th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)

FogDrive: A Multi-Modal Synthetic Driving Dataset for Perception under Graded Fog

FogDrive：用于分级雾天感知的多模态合成驾驶数据集

Vansh Panwar

机构 * Indian Institute of Technology, Guwahati（印度理工学院古瓦哈提分校） 纠错

专题命中 自动驾驶多传感器融合 ：multi-modal fusion(abstract)；sensor fusion(abstract)；分类 cs.CV

AI总结 FogDrive是用于分级雾天感知的多模态合成驾驶数据集，基于CARLA模拟器构建，含多种传感器数据，模拟不同密度雾。通过跨两种范式建立基线基准，得出训练中混合多密度雾可收紧3D边界框几何形状等见解，将开源加速多模态研究。

Geometry-Aware Fisheye-LiDAR Fusion for Robust 3D Object Detection in Low-Overlap Setups

几何感知鱼眼-激光雷达融合用于低重叠设置下的鲁棒3D目标检测

Xiangzhong Liu, Xihao Wang, Hao Shen

机构 * Technical University of Munich（慕尼黑工业大学） 纠错

专题命中 自动驾驶多传感器融合 ：hybrid fusion(abstract)；分类 cs.CV、cs.RO

AI总结 针对稀疏视角下鱼眼相机与激光雷达的几何畸变和低重叠问题，提出几何感知混合融合框架，通过畸变感知LSS模块和双注意力校正模块实现极坐标与笛卡尔特征融合，在三个基准上提升检测精度。

Comments 8 pages, 4 figures, submitted to RA-L

DDStereo: Efficient Dual Decoder Transformers for Stereo 3D Road Anomaly Detection

DDStereo: 用于立体3D道路异常检测的高效双解码器Transformer

Shiyi Mu, Zichong Gu, Zhiqi Ai, Yilin Gao, Shugong Xu

机构 * Shanghai University（上海大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） 纠错

专题命中 自动驾驶多传感器融合 ：feature-level fusion(abstract)；分类 cs.CV

AI总结 提出DDStereo，一种双解码器立体Transformer，通过轻量级解码器分支和紧凑视差特征提取器，实现实时开放集3D目标检测，在封闭和开放集协议下均达到最先进精度。

Comments Accepted by ECCV2026

Sparse4D-Radar: An Efficient and Robust Framework for Surround-View 3D Object Detection via 4D Radar-Camera Fusion

Sparse4D-Radar：一种通过4D雷达-相机融合实现高效且稳健的环视3D目标检测框架

Fuyuan Ai, Yuchen Tan, Jiehui Chen, Zhiwei Xu, Chunyi Song

机构 * State Key Laboratory of Ocean Sensing and Ocean College, Zhejiang University（浙江大学海洋传感与海洋学院海洋传感技术国家重点实验室） ； Engineering Research Center of Oceanic Sensing Technology and Equipment, Ministry of Education, Zhejiang University（浙江大学海洋传感技术与装备教育部工程研究中心） ； Donghai Laboratory（东海实验室） ； Ocean College, Institute of Marine Electronics and Intelligent Systems, Zhejiang University（浙江大学海洋学院海洋电子与智能系统研究所） 纠错

专题命中 自动驾驶多传感器融合 ：multi-modal fusion(abstract)；分类 cs.CV

AI总结 针对4D成像雷达在环视感知缺乏成熟方案的问题，提出Sparse4D-Radar框架。设计可变形融合模块等，经实验验证该框架在环视3D检测性能上达先进水平，兼顾精度、鲁棒性与效率。

Comments 13 pages, 6 figures

Three-Step Hierarchical Transformer for Multi-Pedestrian Trajectory Prediction

三步层次Transformer用于多人轨迹预测

Raphaël Delécluse, Hazem Wannous, Laurent Grisoni, Laurent Guimas

机构 * IMT Nord Europe, University of Lille, CNRS UMR 9189 - CRIStAL（IMT 北欧洲、里尔大学、法国国家科学研究中心 UMR 9189 - CRIStAL） ； University of Lille, CNRS UMR 9189 - CRIStAL（里尔大学、法国国家科学研究中心 UMR 9189 - CRIStAL） ； Explain 纠错

专题命中 自动驾驶多传感器融合 ：multimodal fusion(abstract)；分类 cs.CV

AI总结 提出三步层次Transformer，通过分离时间编码、多模态融合和场景交互推理，在JRDB和城市数据集上达到最先进性能。

GraphBEV++: Multi-Modal Feature Alignment for Autonomous Driving

GraphBEV++: 自动驾驶中的多模态特征对齐

Ziying Song, Caiyan Jia, Lin Liu, Shaoqing Xu, Lei Yang, Yadan Luo

机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院，交通数据挖掘与具身智能北京市重点实验室） ； School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； University of Macau（澳门大学） ； Nanyang Technological University（南洋理工大学） ； The University of Queensland（昆士兰大学） 纠错

专题命中 自动驾驶多传感器融合 ：multi-modal fusion(abstract)；分类 cs.CV

AI总结 针对自动驾驶中BEV感知的特征未对齐问题，提出GraphBEV++框架，通过局部对齐（LocalAlign-v2）和全局对齐（GlobalAlign-v2）模块，利用图匹配、可变形偏移和扩散去噪方法，在多种基准上实现最优性能。

Comments 30 pages, 7 figures

ATN3D: Density-Aware LiDAR-Radar Early 3D Object Detection Under Extreme Sparsity

ATN3D：面向极端稀疏性的密度感知激光雷达-雷达早期3D目标检测

Debojyoti Biswas, Xianbiao Hu

机构 * University of California, Berkeley（加州大学伯克利分校） ； Tsinghua University（清华大学） 纠错

专题命中 自动驾驶多传感器融合 ：multimodal fusion(abstract)；分类 cs.CV

AI总结 针对远距离稀疏感知下早期融合丢失信息、通道监督不均衡的问题，提出ATN3D框架，通过密度感知融合、占用门控邻域聚合、证据条件通道自注意力和距离感知损失，在VoD数据集上显著提升远距离检测性能。

Parameter Efficient Hybrid Transformer (PEHT) for Network Traffic Prediction via Dynamic Urban Congestion Integration

参数高效混合Transformer（PEHT）用于通过动态城市拥堵整合进行网络流量预测

Abdolazim Rezaei, Mehdi Sookhak, Mahboobeh Haghparast

机构 * National Science Foundation（国家科学基金会） ； U.S. Department of Transportation（美国交通部） ； University Transportation Center (UTC)（大学交通中心） ； Transportation Cybersecurity Center for Advanced Research and Education (CYBER-CARE)（交通网络安全高级研究与教育中心） ； NVIDIA Academic Grant Program（NVIDIA学术资助计划） 纠错

专题命中 自动驾驶多传感器融合 ：multimodal fusion(abstract)

AI总结 提出参数高效混合Transformer（PEHT），通过低秩适应和多模态融合整合城市移动性与拥堵信息，在减少参数的同时提升网络流量预测精度。

Interpretable Crisis Behavior Analysis Using Mobility and Social Media Data

基于移动性和社交媒体数据的可解释危机行为分析

Muhammad Hamza Arshad Majeed, Sidahmed Benabderrahmane, Talal Rahwan

机构 * New York University (NYUAD)（纽约大学（NYUAD）） 纠错

专题命中 自动驾驶多传感器融合 ：multimodal fusion(abstract)

AI总结 提出统一可解释流水线，融合移动性和社交媒体数据，通过形式概念分析和关联规则挖掘，识别危机中跨域行为模式，并在洛杉矶山火和COVID-19案例中验证，生成可操作的政策简报。

ADM-Fusion: Adaptive Deep Multi-Sensor Fusion for Robust Ego-Motion Estimation in Diverse Conditions

ADM-Fusion：自适应深度多传感器融合用于多样化条件下的鲁棒自我运动估计

Hasan Moughnieh, Ibrahim Ghaddar, Hadi Elham, Imad H. Elhajj, Daniel Asmar

机构 * American University of Beirut（贝鲁特美国大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；multi-sensor fusion(title,abstract)；分类 cs.CV、cs.RO

AI总结 提出ADM-Fusion，一种基于深度学习的端到端多传感器融合方法，通过自适应专家混合框架和跨任务注意力机制动态平衡传感器权重，在退化条件下保持鲁棒性。

Comments 8 pages, 4 figures

NavEYE: Vision-Centered Multi-Sensor Fusion-Based Situational Awareness System for Intelligent Surface Vehicles

NavEYE：用于智能水面舰艇的基于视觉的多传感器融合态势感知系统

Ryan Wen Liu, Junxiong Liang, Haoyu Wang, Mengwei Bao

机构 * Sanya Science and Education Innovation Park, Wuhan University of Technology（武汉理工大学三亚科教创新园） ； School of Navigation, Wuhan University of Technology（武汉理工大学航运学院） ； State Key Laboratory of Maritime Technology and Safety（船舶技术与安全国家重点实验室） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；multi-sensor fusion(title,abstract)；分类 cs.CV

AI总结 为实现智能水面舰艇在复杂环境中的高质量感知，开发以视觉为中心的多传感器融合系统NavEYE，提出多约束门控数据关联等方法，经实验验证其融合方法在多方面的优越性及对舰艇航行安全的促进作用。

Journal ref Ocean Engineering, Volume 363, Part 4, 2026, Article 126781

Ultra-Fusion: A Resilient Tightly-Coupled Multi-Sensor Fusion SLAM Framework under Sensor Degradation and Spatiotemporal Perturbation for Intelligent Transportation Systems

Ultra-Fusion：面向传感器退化与时空扰动下智能交通系统的鲁棒紧耦合多传感器融合SLAM框架

Yihong Tian, Junjie Zhang, Liuyang Li, Deteng Zhang, Yunfei Zuo, Jie Yin

机构 * Beijing Institute of Technology（北京理工大学） ； Chongqing University（重庆大学） ； Sichuan University（四川大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；multi-sensor fusion(title,abstract)；分类 cs.RO

AI总结 提出Ultra-Fusion紧耦合多传感器融合SLAM框架，通过可观测性感知初始化、因子级可靠性调度和在线LiDAR-IMU时空标定，在传感器退化与时空扰动下实现鲁棒定位，在多种平台和基准上验证了高精度与可用性。

Comments 19 pages

When Multi-Sensor Fusion Fails to Generalize: Cattle Posture Classification Under Animal-Level and Temporal Distribution Shift

当多传感器融合无法泛化：动物级别和时间分布偏移下的牛姿势分类

Leutrim Uka, Severino Pinto, Gundula Hoffmann, Marina M. -C. Höhne

机构 * Institute of Computer Science, University of Potsdam（波茨坦大学计算机科学研究所） ； Department of Sensors and Modelling, Leibniz Institute for Agricultural Engineering and Bioeconomy - ATB（莱布尼茨农业工程与生物经济研究所传感器与建模系） ； Department of Data Science in Bioeconomy, Leibniz Institute for Agricultural Engineering and Bioeconomy - ATB（莱布尼茨农业工程与生物经济研究所生物经济数据科学系） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；multi-sensor fusion(title)

AI总结 研究评估多传感器融合在牛姿势分类中的鲁棒性，发现跨年评估性能大幅下降（F1从0.94降至0.49），表明常用评估高估实际性能，融合可能降低而非提升鲁棒性。

Comments 20 pages, 6 figures

Multi-sensor fusion for fine-guidance and milliarcsecond-level attitude estimation of balloon-borne telescope

用于球载望远镜精引导及毫角秒级姿态估计的多传感器融合技术

Philippe Voyer, Maya Amit, Steven J. Benton, Benjamin E. Boyd, Anthony M. Brown, Giulia Cerini, Paul Clark, Matthew Craigie, Christopher J. Damaren, Tim Eifler, Spencer W. Everett, Aurelien A. Fraisse, Leo W. H. Fung, Ajay S. Gill, Suren Gourapura, Eric Habjan, John W. Hartley, David Harvey, Bradley Holder, Eric M. Huff, Mathilde Jauzac, William C. Jones, David Lagattuta, Gavin Leroy, Jason S. -Y. Leung, Lun Li, Thuy Vy T. Luu, Richard Massey, Jacqueline E. McCleary, Adyn Miles, Johanna M. Nagy, C. Barth Netterfield, Emaad Paracha, Susan F. Redmond, Jason D. Rhodes, Andrew Robertson, L. Javier Romualdez, Sayan Saha, Jürgen Schmoll, Mohamed M. Shaaban, Ellen Sirks, Sut Ieng Tam, Simon Tartakovsky, Georgios N. Vassilakis, André Z. Vitorelli, Bryce Warren, Alfredo Zenteno

专题命中 机器人多传感器融合 ：sensor fusion(title)；multi-sensor fusion(title)

AI总结 本研究针对球载望远镜的滚动泄漏问题，基于SuperBIT飞行数据开发仿真框架，对比单星与多星引导架构，发现多星估计可显著降低滚动引发的图像运动，为GigaBIT的多星精引导架构研究提供支撑。

Comments 21 pages, 10 figures, SPIE Astronomical Telescopes + Instrumentation 2026

Dynamic Object Detection and Tracking in Construction: A Fisheye Camera and LiDAR Sensor Fusion Model

建筑中的动态目标检测与跟踪：一种鱼眼相机与激光雷达传感器融合模型

Yilong Chen, Huili Huang, Yong K. Cho

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；分类 cs.CV、cs.RO

AI总结 针对建筑等复杂环境中机器人动态目标检测与跟踪问题，提出融合鱼眼相机与激光雷达传感器的框架，通过在配准点云里识别移动物体、投影坐标分配语义标签并结合图像检测更新卡尔曼滤波器观测，具有高精度、简单且鲁棒的特点。

Comments 4 pages, 8 figures, submitted to IEEE International Conference on Robotics and Automation (ICRA) 2025 Future of Construction Workshop

DroneShield-AI: A Multi-Modal Sensor Fusion Framework for Real-Time Autonomous Drone Threat Detection, Behavioral Intent Classification, and Swarm Intelligence in Contested Airspace

DroneShield-AI：一种用于受争议空域中实时自主无人机威胁检测、行为意图分类和群体智能的多模态传感器融合框架

Marius Bayizere

机构 * Independent Researcher（独立研究者） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；分类 cs.CV、cs.RO

AI总结 提出DroneShield-AI框架，集成RF信号分类、声学检测、YOLOv8视觉检测等六层处理，通过行为意图分类引擎（BICE）实现六类威胁分类并提前30秒预警，以及图神经网络群体智能模块（GNN-SIM）分析多无人机编队，在低成本硬件上达到96.1%检测精度和142ms延迟。

Comments 23 pages, 6 figures, 11 tables. Code available at https://github.com/bayizeremarius/DroneShield-AI

Thinking Fast, Thinking Slow: Adaptive Multimodal Transformer-based Sensor Fusion for Depth Estimation on Ultra-low-power MCUs

快速思考，慢速思考：基于自适应多模态Transformer的超低功耗MCU深度估计传感器融合

Luca Crupi, Lorenzo Lamberti, Giovanni Badaracco, Daniele Allegri, Alessandro Giusti, Daniele Palossi

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；分类 eess.IV

AI总结 研究针对超低功耗MCU深度估计问题，提出结合多模态传感器融合与轻量级基于循环Transformer架构的自适应方法，通过令牌传播和增量传感器利用机制平衡能耗与精度，实验证明该方法节能且精度提升显著。

Comments 16 pages, 9 figures, 6 tables. This paper has been accepted for publication in the IEEE Sensors Journal Copyright 2026 IEEE

Inertial Human Motion Capture: From Biomechanics to Recent Sensor Fusion Methods and Back

惯性人体运动捕捉：从生物力学到近期的传感器融合方法再回归

Manon Kok, Ive Weygers, Hassan Osman, Daniel Weber, Ruiyuan Li, Thomas Seel, Ajay Seth

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)；分类 eess.SP

AI总结 该综述聚焦惯性人体运动捕捉的运动学，介绍确定生物力学问题转化公式的关键方面，指出从IMU估计运动学的挑战及常用方法局限，分享近期有潜力的方法，并通过下肢关节角度估计用例说明相关问题及应用，旨在弥合两社区差距。

Comments 31 pages, 5 figures

Deep Multimodal Wearable Sensor Fusion for Detection of Body-Focused Repetitive Behaviors

用于聚焦身体重复行为检测的深度多模态可穿戴传感器融合

Samaneh Rezaeimanesh, Mohsen Behradfar, Mohammad Fili, Guiping Hu

机构 * George Mason University（乔治梅森大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)

AI总结 本研究开发多模态深度学习框架，利用腕戴式传感器数据检测聚焦身体的重复行为，在二元及九分类任务中均优于单模态基线，为可穿戴辅助心理健康诊断奠定基础。

Event-triggered parameter estimator for sensor fusion

传感器融合的事件触发参数估计器

Ariana Méndez-Castillo, Irene Perez-Salesa, Rodrigo Aldana-López, Antonio Ramírez-Treviño, Rosario Aragues

专题命中 机器人多传感器融合 ：sensor fusion(title,abstract)

AI总结 研究传感器融合系统中事件触发参数估计，引入回归器驱动局部触发规则，在持续激励条件下推导出保证全局指数收敛的设计不等式，基于时变李雅普诺夫函数分析，仿真显示节省通信并保持收敛性。

Comments This work has been accepted to IFAC for publication under a Creative Commons Licence CC-BY-NC-ND. Accepted for presentation at the 23rd IFAC World Congress 2026

Human-Inspired Framework for Robotic Craniotomy: Integrating Multimodal Fusion and Adaptive Trajectory Adjustment

用于机器人开颅手术的受人类启发框架：集成多模态融合与自适应轨迹调整

Renzhen Le, Xiao Zhang, Di Wu, Yuanyu Wei, Jiachen Zhu, Zhenzhi Ying, Pengfei Zhang, Liming Shu

机构 * Dalian University of Technology（大连理工大学） ； The University of Tokyo（东京大学） 纠错

专题命中 机器人多传感器融合 ：multimodal fusion(title)；分类 cs.RO

AI总结 该研究针对机器人开颅手术问题，提出受人类启发的闭环框架，集成术前规划与术中执行。采用自适应双轮廓融合算法生成轨迹，利用多模态网络融合信号实现突破检测，通过原位投影策略调整轨迹，实验验证该框架能实现安全自主且高效闭环控制的开颅手术。

Sensor fusion on MagAO-X: real time vibration control using accelerometers

MagAO-X上的传感器融合：利用加速度计实现实时振动控制

Parker T. Johnson, Jared R. Males, Povilas Palunas, Olivier Guyon, Sebastiaan Haffert, Joseph Long, Vincent Deo, Julien Lozi, Laird M. Close, Maggie Kautz, Jay Kueny, Jialin Li, Joshua Liberman, Miles Lucas, Matthijs Mars, Eden McEwen, Tiffany Nguyen, Elena Tonucci, Katie Twitchell

专题命中 机器人多传感器融合 ：sensor fusion(title)

AI总结 针对MagAO-X极端AO仪器，设计低成本模块化加速度计遥测系统，识别望远镜振动源并分析其与WFE的相关性，为AO系统预测控制提供基础。

Comments 13 pages, 9 figures, proceeding of SPIE Astronomical Telescopes + Instrumentation 2026 (Paper No. 14150-87)

Uncertainty-Aware Velocity Correction for Proprioceptive Vehicle Localization using Evidential Mamba

使用证据曼巴进行本体感知车辆定位的不确定性感知速度校正

Abinav Kalyanasundaram, Karthikeyan Chandra Sekaran, Wolfgang Utschick, Michael Botsch

机构 * AImotion Bavaria, Technische Hochschule Ingolstadt（巴伐利亚AImotion公司，英戈尔施塔特技术应用大学） ； Technische Universität München（慕尼黑工业大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；multi-sensor fusion(abstract)；分类 cs.RO

AI总结 针对智能车辆在GNSS信号缺失时定位难题，提出EVC-Mamba架构，利用车载传感器数据转化为虚拟速度传感器校正IMU漂移，经曼巴模型捕捉动态、证据深度学习量化不确定性，实现高精度定位且支持实时车载部署。

Comments Accepted at the 2026 International Conference on Indoor Positioning and Indoor Navigation (IPIN 2026), Rome, Italy. 6 pages, 4 figures

TRISTAR: Triple-Signal Stair Recognition and Vision-Only Indoor Navigation for Search-and-Rescue Micro-UAVs

TRISTAR：用于搜索救援微型无人机的三重信号楼梯识别与仅视觉室内导航

Octavian Gîngu, Stelian Spînu

机构 * Military Technical Academy（军事技术学院） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；multi-sensor fusion(abstract)；分类 cs.CV

AI总结 研究为低成本无人机提出仅基于单目视觉的室内导航框架。结合深度估计、传统计算机视觉和轻量级深度学习模型。核心方法是TRISTAR三重传感器融合，贡献是实现可靠室内探索与楼梯穿越，无需特殊测距硬件。

Comments 10 pages, 7 figures. Project repository available at: https://github.com/tavigingu/HawkOps-Indoor-Drone-Navigation-and-TRISTAR-Stair-Climbing

AnyMatch: Supercharging Universal Multi-Modal Image Matching with Large-Scale Single-View Images

AnyMatch: 利用大规模单视图图像增强通用多模态图像匹配

Meng Yang, Zizhuo Li, Linfeng Tang, Fan Fan, Jiayi Ma

机构 * Electronic Information School, Wuhan University（武汉大学电子信息学院） ； School of Robotics, Wuhan University（武汉大学机器人学院） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；multi-sensor fusion(abstract)；分类 cs.CV

AI总结 提出AnyMatch框架，利用单视图图像生成多模态训练数据，通过单目深度估计、3D重投影、扩散修复和跨模态图像翻译合成几何一致的多视图多模态图像对，构建大规模数据集Any-syn，显著提升多模态匹配网络的泛化性和鲁棒性。

Comments Accepted by ECCV 2026

LXD-SLAM: LiDAR+X Dense SLAM with $\sum_{i=0}^{5}C_5^i$ Configurable Sensor Combinations

LXD-SLAM：基于LiDAR+X的密集SLAM，支持∑_{i=0}^{5}C_5^i种可配置传感器组合

Zhong Wang, Lin Zhang, Linfei Li, Ying Shen, Shaoming Zhang, Pengcheng Shi, Shengjie Zhao

机构 * Tongji University（同济大学） ； Wuhan University（武汉大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；multi-sensor fusion(abstract)；分类 cs.RO

AI总结 提出LXD-SLAM，一种以3D LiDAR为中心的多传感器融合框架，支持32种传感器组合，通过统一的迭代误差状态卡尔曼滤波和混合位姿图实现高保真、全局一致的密集建图。

Online Learning of Robust Legged Odometry with Minimal Exteroceptive Supervision

最小外感受监督下的鲁棒腿式里程计在线学习

Abhijeet M. Kulkarni, Yuze Du, Guoquan Huang

机构 * University of Delaware（德克萨斯大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；multi-sensor fusion(abstract)；分类 cs.RO

AI总结 提出一种即插即用的鲁棒腿式里程计系统，利用外感受运动管线作为监督信号在线学习速度神经网络，并结合不变扩展卡尔曼滤波器融合数据，无需传感器标定或运动学建模，在不同四足平台上验证了其适应性和鲁棒性。

Stochastic Average Consensus Filtering and Distributed State Estimation for Boolean Control Networks

布尔控制网络的随机平均共识滤波与分布式状态估计

Rong Yang, Chi Huang

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；multi-sensor fusion(abstract)

AI总结 针对布尔控制网络集中式估计的缺陷，本文结合概率测度变换等方法提出分布式随机平均共识滤波器，证明其收敛性，实现基于局部通信的全局状态估计。

Comments 25 pages, 7 figures

DSP-SLAM++: A Unified Framework for Multi-Class, High-Fidelity Object SLAM in the Wild

DSP-SLAM++：面向野外多类高保真物体SLAM的统一框架

Ahmad Kourani, Ghina Daoud, Daniel Asmar, Imad Elhajj

机构 * American University of Beirut（贝鲁特美国大学） 纠错

专题命中 机器人多传感器融合 ：sensor fusion(abstract)；分类 cs.CV、cs.RO

AI总结 提出DSP-SLAM++，通过异步建图流水线和单目鱼眼-激光雷达传感器融合，在支持多类物体的同时实现实时高保真物体建模，将最大物体处理延迟降低70%。

Comments 9 pages, 9 figures