自动驾驶

Learning from Mistakes: Loss-Aware Memory Enhanced Continual Learning for LiDAR Place Recognition

从错误中学习：基于损失的记忆增强连续学习用于激光雷达地点识别

Xufei Wang, Junqiao Zhao, Siyue Tao, Qiwen Gu, Wonbong Kim, Tiantian Feng

机构 * Shanghai Research Institute for Intelligent Autonomous System, Tongji University（上海智能自主系统研究院，同济大学） ； Department of Computer Science and Technology, School of Electronics and Information Engineering, Tongji University（计算机科学与技术系，电子信息工程学院，同济大学） ； MOE Key Lab of Embedded System and Service Computing, Tongji University（教育部嵌入式系统与服务计算重点实验室，同济大学） ； Institute of Intelligent Vehicles, Tongji University（智能车辆研究院，同济大学） ； College of Surveying and Geo-Informatics, Tongji University（测绘地理信息学院，同济大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；autonomous driving(abstract)；分类 cs.CV

AI总结 KDF+通过基于损失的采样策略和回忆增强机制，提升激光雷达地点识别的连续学习性能。

Comments 8 pages, 4 figures

A visual study of ICP variants for Lidar Odometry

Sebastian Dingler, Hannes Burrichter

机构 * Daimler Truck AG（戴姆勒卡车股份有限公司） ； Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO

Comments Iterative closest point; Registration; Odometry; Mapping

Real-time Point Cloud Data Transmission via L4S for 5G-Edge-Assisted Robotics

通过L4S实现5G边缘辅助机器人中的实时点云数据传输

Gerasimos Damigos, Achilleas Santi Seisa, Nikolaos Stathoulopoulos, Sara Sandberg, George Nikolakopoulos

机构 * Ericsson Research, Lule , Sweden ( ) ； AI Group, Lule \, University of Technology, Sweden 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种基于L4S的实时点云传输框架，通过Draco压缩算法实现低延迟、低丢包率的3D LiDAR数据传输，适用于5G边缘辅助机器人中的实时数据处理与SLAM算法验证。

Comments IFAC Submission