自动驾驶

Doppler Correspondence: Non-Iterative Scan Matching With Doppler Velocity-Based Correspondence

多普勒对应：基于多普勒速度的非迭代扫描匹配

Jiwoo Kim, Geunsik Bae, Changseung Kim, Jinwoo Lee, Woojae Shin, Hyondong Oh

机构 * Department of Mechanical Engineering, Ulsan National Institute of Science and Technology, Republic of Korea（韩国乌山国立科学与技术研究院机械工程系） ； Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, Republic of Korea（韩国先进科学技术研究院机械工程系） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出基于多普勒速度的非迭代扫描匹配方法，通过利用4D激光雷达和雷达的多普勒信息，提高在恶劣环境下的里程计鲁棒性和计算效率。

Advancing Autonomous Driving: DepthSense with Radar and Spatial Attention

推进自动驾驶：DepthSense与雷达与空间注意力

Muhamamd Ishfaq Hussain, Zubia Naz, Muhammad Aasim Rafique, Moongu Jeon

机构 * School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology（全州科学技术院电气工程与计算机科学学院） ； Division of National Science and Technology Data (Large Scale AI Research Group), Korea Institute of Science and Technology Information (KISTI)（国家科学技术数据 division（大规模人工智能研究组），韩国科学技术信息研究院） ； Department of Information Systems, College of Computer Sciences and Information Technology, King Faisal University（国王法尔萨大学信息系统系，计算机科学与信息科技学院） 纠错

专题命中 多传感器融合 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

AI总结 DepthSense通过结合雷达与单目相机数据，提升自动驾驶中的深度估计精度，采用编码器-解码器架构和空间注意力机制，实现高效且准确的深度感知。

Journal ref IEEE Sensors Journal 2025

Rad-GS: Radar-Vision Integration for 3D Gaussian Splatting SLAM in Outdoor Environments

Rad-GS：用于户外环境的雷达-视觉融合3D高斯点云SLAM

Renxiang Xiao, Wei Liu, Yuanfan Zhang, Yushuai Chen, Jinming Chen, Zilu Wang, Liang Hu

机构 * Department of Automation, School of Mechanical Engineering and Automation, Harbin Institute of Technology（自动化系、机械工程与自动化学院、哈尔滨工业大学） ； School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院、哈尔滨工业大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 Rad-GS通过融合雷达与视觉信息，实现公里级户外环境的3D高斯点云SLAM，提升定位精度与场景重建能力。

Journal ref IEEE Robotics and Automation Letters 10(12), 13359-13366 (2025)

HyperPointFormer: Multimodal Fusion in 3D Space with Dual-Branch Cross-Attention Transformers

HyperPointFormer: 在三维空间中通过双分支交叉注意力变换器实现多模态融合

Aldino Rizaldy, Richard Gloaguen, Fabian Ewald Fassnacht, Pedram Ghamisi

机构 * Helmholtz-Zentrum Dresden-Rossendorf (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨研究中心） ； Freie Universität Berlin（柏林自由大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.CV

AI总结 HyperPointFormer通过双分支交叉注意力Transformer在三维空间中融合多模态数据，提升城市场景土地利用分类的精度与灵活性。

Journal ref IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 18, pp. 21254-21274, 2025

HABIT: Human Action Benchmark for Interactive Traffic in CARLA

HABIT: 交互交通中的人类行为基准

Mohan Ramesh, Mark Azer, Fabian B. Flohr

机构 * Intelligent Vehicles Lab, Munich University of Applied Sciences（智能车辆实验室，慕尼黑应用科学大学） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV

AI总结 HABIT是一个高保真度的交互交通人类行为基准，通过整合现实人类运动数据提升自动驾驶模拟的真实性，揭示现有自动驾驶代理在复杂场景下的性能缺陷。

Comments Accepted to WACV 2026. This is the pre-camera-ready version

Compressing Sensor Data for Remote Assistance of Autonomous Vehicles using Deep Generative Models

利用深度生成模型压缩传感器数据以实现自动驾驶车辆的远程协助

Daniel Bogdoll, Johannes Jestram, Jonas Rauch, Christin Scheib, Moritz Wittig, J. Marius Zöllner

专题命中 仿真评测 ：LiDAR(abstract)

AI总结 本文提出利用深度生成模型压缩传感器数据，以提高自动驾驶车辆在需要远程协助时的数据传输效率和重建质量。

Comments Daniel Bogdoll, Johannes Jestram, Jonas Rauch, Christin Scheib and Moritz Wittig contributed equally. Accepted for publication at NeurIPS 2021 ML4AD Workshop

Markov Potential Game Construction and Multi-Agent Reinforcement Learning with Applications to Autonomous Driving

马尔可夫势博弈构建与多智能体强化学习及其在自动驾驶中的应用

Huiwen Yan, Mushuang Liu

专题命中 其他自动驾驶 ：autonomous driving(title,abstract)

AI总结 本文提出马尔可夫势博弈的构建条件，并在自动驾驶中应用多智能体强化学习。

Motion Sickness Modeling with Visual Vertical Estimation and Its Application to Autonomous Personal Mobility Vehicles

基于视觉垂直估计的运动病建模及其在自动驾驶个人移动车辆中的应用

Hailong Liu, Shota Inoue, Takahiro Wada

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出了一种结合视觉垂直信息的 6 自由度 SVC-VV 模型，用于预测运动病并应用于自动驾驶个人移动车辆。

Comments https://www.researchgate.net/publication/358703507 Accepted as a Contributed Paper by IEEE IV2022

AUTOSAR AP and ROS 2 Collaboration Framework

AUTOSAR AP与ROS 2协作框架

Ryudai Iwakami, Bo Peng, Hiroyuki Hanyu, Tasuku Ishigooka, Takuya Azumi

机构 * Saitama University（上野大学） ； Technology Development Functional Division（技术开发职能部门） ； Hitachi Astemo, Ltd.（日立阿美科有限公司） 纠错

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.RO

AI总结 本文提出一种使AUTOSAR AP与ROS 2通过DDS通信的协作框架，解决两者协议差异问题，提升实时系统与自动驾驶研究的集成效率。

Comments 9 pages. This version includes minor \lstlisting configuration adjustments for successful compilation. The page count is now nine pages due to the addition of author information. There are no other significant changes to the content or layout. Originally published at Euromicro Conference DSD 2024

Journal ref Proceedings of the 27th Euromicro Conference on Digital System Design (DSD), Paris, France, 2024, pp. 319-326

Energy-Efficient Task Computation at the Edge for Vehicular Services

边缘计算中为车联网服务的节能任务计算

Paniz Parastar, Giuseppe Caso, Jesus Alberto Omana Iglesias, Andra Lutu, Ozgu Alay

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本文提出了一种基于多智能体强化学习的边缘计算节能任务卸载方法，通过分析汽车移动模式优化任务计算，减少能耗和用户不满，提高车联网服务性能。

Comments Published in: IEEE/IFIP NOMS 2025. The final version is available at: https://doi.org/10.1109/NOMS57970.2025.11073636

Journal ref NOMS 2025-2025 IEEE Network Operations and Management Symposium, pp. 1-9