自动驾驶

LargeAD: Large-Scale Cross-Sensor Data Pretraining for Autonomous Driving

LargeAD: 大规模跨传感器数据预训练用于自动驾驶

Lingdong Kong, Xiang Xu, Youquan Liu, Jun Cen, Runnan Chen, Wenwei Zhang, Liang Pan, Kai Chen, Ziwei Liu

机构 * WorldBench Team（WorldBench团队） 纠错

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

AI总结 LargeAD通过跨传感器数据预训练提升自动驾驶中的三维场景理解，结合多模态对比学习和时间一致性，实现更鲁棒的感知性能。

Comments IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

Fast & Efficient Normalizing Flows and Applications of Image Generative Models

高效且快速的归一化流及图像生成模型的应用

Sandeep Nagar

机构 * International Institute of Information Technology (Deemed to be University)（国际信息技术学院（认定为大学）） ； IIIT Hyderabad（IIIT海得拉尔） 纠错

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

AI总结 本研究提出高效归一化流及图像生成模型的应用，包括超分辨率、农业质量评估、地质制图、隐私保护及艺术修复等

Comments PhD Thesis

A Novel Approach to Tomato Harvesting Using a Hybrid Gripper with Semantic Segmentation and Keypoint Detection

一种基于语义分割和关键点检测的新型番茄采摘方法

Shahid Ansari, Mahendra Kumar Gohil, Yusuke Maeda, Bishakh Bhattacharya

机构 * TSTS 纠错

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

AI总结 本文提出了一种结合语义分割和关键点检测的新型番茄采摘系统，通过混合机械手和智能控制实现高效、安全的采摘

Delving into Dynamic Scene Cue-Consistency for Robust 3D Multi-Object Tracking

深入研究动态场景提示一致性以实现稳健的3D多目标跟踪

Haonan Zhang, Xinyao Wang, Boxi Wu, Tu Zheng, Wang Yunhua, Zheng Yang

机构 * Fabu 纠错

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

AI总结 本文提出DSC-Track方法，通过动态场景提示一致性提升3D多目标跟踪的鲁棒性，实验表明其在nuScenes基准上达到SOTA性能。

Test-time Correction: An Online 3D Detection System via Visual Prompting

测试时校正：通过视觉提示的在线3D检测系统

Hanxue Zhang, Zetong Yang, Yanan Sun, Li Chen, Fei Xia, Fatma Güney, Hongyang Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； GAC R&D Center（GAC研发中心） ； The University of Hong Kong（香港大学） ； Google（谷歌） ； Koç University（科克大学） 纠错

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

AI总结 本文提出一种通过视觉提示实现在线3D检测的测试时校正系统，旨在提升自动驾驶系统在部署后的实时纠错能力。

Safety Reinforced Model Predictive Control (SRMPC): Improving MPC with Reinforcement Learning for Motion Planning in Autonomous Driving

安全增强型模型预测控制（SRMPC）：利用强化学习改进自动驾驶中的运动规划MPC

Johannes Fischer, Marlon Steiner, Ömer Sahin Tas, Christoph Stiller

专题命中 规划控制 ：autonomous driving(title,abstract)；分类 cs.RO

AI总结 本研究提出安全增强型MPC，利用强化学习改进自动驾驶中的运动规划，通过约束强化学习确保安全性和性能

Journal ref 2023 IEEE 26th International Conference on Intelligent Transportation Systems (ITSC), Bilbao, Spain, 2023, pp. 2811-2818

Multimodal Control of Manipulators: Coupling Kinematics and Vision for Self-Driving Laboratory Operations

多模态操作臂控制：结合运动学与视觉的自我驱动实验室操作

Shifa Sulaiman, Amarnath H, Simon Bogh, Naresh Marturi

机构 * 1 Department of Electronics Systems, Aalborg University, Denmark ； 3 Extreme Robotics Laboratory, School of Metallurgy \& Materials, University of Birmingham, Birmingham, United Kingdom 纠错

专题命中 规划控制 ：self-driving(title)；trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出三种基于雅可比方法的运动规划方案，结合RRT*算法和螺旋理论，用于优化冗余机械臂与耦合手指夹具的轨迹规划与逆解计算，以提升实验室自动化操作的效率与精度。

Interfacial Control of Orbital Occupancy and Spin State in LaCoO$_3$

界面调控LaCoO₃中轨道占据与自旋状态

Ellen M. Kiens, Nicolas Gauquelin, Arno Annys, Emma van der Minne, Iris C. G. van den Bosch, Matthijs A. van Spronsen, Zezhong Zhang, Annick de Backer, Sandra van Aert, Jo Verbeeck, Gertjan Koster, Bastian Mei, Frank M. F. de Groot, Christoph Baeumer

专题命中 规划控制 ：occupancy(title,abstract)

AI总结 通过界面工程调控LaCoO₃中Co轨道占据和自旋状态，揭示界面环境对自旋和价态的调控作用。

Comments 18 pages, 13 figures

Multi-Agent Reinforcement Learning and Real-Time Decision-Making in Robotic Soccer for Virtual Environments

多智能体强化学习与虚拟环境中的实时决策在机器人足球中的应用

Aya Taourirte, Md Sohag Mia

机构 * Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

专题命中 规划控制 ：trajectory planning(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出了一种统一的多智能体强化学习框架，通过分层强化学习和均值场理论，提升了机器人足球中的实时决策与协作性能。

Driving is a Game: Combining Planning and Prediction with Bayesian Iterative Best Response

驾驶是一场游戏：结合规划与预测的贝叶斯迭代最佳回应

Aron Distelzweig, Yiwei Wang, Faris Janjoš, Marcel Hallgarten, Mihai Dobre, Alexander Langmann, Joschka Boedecker, Johannes Betz

机构 * University of Freiburg（弗赖堡大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Technical University of Munich（慕尼黑技术大学） ； Klaris AI 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.RO

AI总结 BIBeR通过结合运动预测与博弈论规划，实现自动驾驶中的交互感知和双向适应，提升复杂交通场景下的规划性能。

Deep-BrownConrady: Prediction of Camera Calibration and Distortion Parameters Using Deep Learning and Synthetic Data

Deep-BrownConrady: 使用深度学习和合成数据预测相机校准和畸变参数

Faiz Muhammad Chaudhry, Jarno Ralli, Jerome Leudet, Fahad Sohrab, Farhad Pakdaman, Pierre Corbani, Moncef Gabbouj

机构 * AILiveSim Ltd.（AILiveSim有限公司） ； Faculty of Information Technology and Communication Sciences, Tampere University（信息科技与通讯科学学院，塔尔基耶大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文提出使用深度学习和合成数据预测相机校准和畸变参数，基于ResNet架构的模型在合成数据集上训练，以提升真实场景下的校准性能。

World Models for Autonomous Navigation of Terrestrial Robots from LIDAR Observations

基于LIDAR观测的地面机器人自主导航的World Models

Raul Steinmetz, Fabio Demo Rosa, Victor Augusto Kich, Jair Augusto Bottega, Ricardo Bedin Grando, Daniel Fernando Tello Gamarra

机构 * Universidade Federal de Santa Maria, Brazil（巴西联邦大学圣玛利亚分校） ； University of Tsukuba, Japan（日本筑波大学） ； Universidade Federal de Rio Grande（巴西联邦大学里约格兰德分校） ； Universidad Tecnológica del Uruguay, Uruguay（乌拉圭技术大学） 纠错

专题命中 端到端驾驶 ：LiDAR(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出基于DreamerV3算法的模型驱动强化学习框架，通过整合MLP-VAE实现高维LIDAR数据的高效编码与潜在表示学习，提升地面机器人自主导航的效率与鲁棒性。

Comments Accepted for publication in the Journal of Intelligent and Fuzzy Systems

AugMapNet: Improving Spatial Latent Structure via BEV Grid Augmentation for Enhanced Vectorized Online HD Map Construction

AugMapNet: 通过BEV网格增强改进空间潜在结构以提升矢量化的在线HD地图构建

Thomas Monninger, Md Zafar Anwar, Stanislaw Antol, Steffen Staab, Sihao Ding

机构 * Mercedes-Benz Research & Development North America, USA（梅赛德斯-奔驰北美研究与开发） 纠错

专题命中 BEV与占用 ：BEV(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 AugMapNet通过BEV网格增强改进空间潜在结构，提升矢量化在线HD地图构建的性能和结构化表示。

Comments Accepted to 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2026)

DynamicCity: Large-Scale 4D Occupancy Generation from Dynamic Scenes

DynamicCity: 从动态场景生成大规模4D占用图

Hengwei Bian, Lingdong Kong, Haozhe Xie, Liang Pan, Yu Qiao, Ziwei Liu

机构 * WorldBench Team（WorldBench团队） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；分类 cs.RO、cs.CV

AI总结 DynamicCity通过VAE和DiT模型生成高质量动态4D占用图，提升拟合质量与训练效率。

Comments ICLR 2025 Spotlight; 35 pages, 18 figures, 15 tables; Project Page at https://dynamic-city.github.io/

CSMapping: Scalable Crowdsourced Semantic Mapping and Topology Inference for Autonomous Driving

CSMapping: 可扩展的众包语义制图与拓扑推断用于自动驾驶

Zhijian Qiao, Zehuan Yu, Tong Li, Chih-Chung Chou, Wenchao Ding, Shaojie Shen

机构 * the Department of Electronic and Computer Engineering, the Hong Kong University of Science and Technology, Hong Kong, China（电子与计算机工程系，香港科技大学，香港，中国） ； the Academy for Engineering and Technology, Fudan University, Shanghai, China（工程与技术学院，复旦大学，上海，中国） ； Zhuoyu Technology Co., Ltd., Shenzhen, China（珠海优创科技有限公司，深圳，中国） 纠错

专题命中 BEV与占用 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV

AI总结 CSMapping通过潜在扩散模型和拓扑优化方法，实现高质量的语义地图和道路中心线生成，适用于自动驾驶场景。

NavMapFusion: Diffusion-based Fusion of Navigation Maps for Online Vectorized HD Map Construction

NavMapFusion: 基于扩散的导航地图融合用于在线向量化的高精度地图构建

Thomas Monninger, Zihan Zhang, Steffen Staab, Sihao Ding

机构 * Mercedes-Benz Research & Development North America, USA（梅赛德斯-奔驰北美研究与开发） ； University of Stuttgart, Germany（斯图加特大学） ； University of California, San Diego, USA（加州大学圣地亚哥分校） ； University of Southampton, United Kingdom（南安普顿大学） 纠错

专题命中 BEV与占用 ：autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 NavMapFusion通过结合低保真先验与高保真传感器数据，利用扩散模型实现在线高精度地图构建，提升环境表示的准确性和实时性。

Comments Accepted to 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2026)

ActiveInitSplat: How Active Image Selection Helps Gaussian Splatting

ActiveInitSplat: 活动图像选择如何帮助高斯溅射

Konstantinos D. Polyzos, Athanasios Bacharis, Saketh Madhuvarasu, Nikos Papanikolopoulos, Tara Javidi

机构 * University of California San Diego（加州大学圣地亚哥分校） ； University of Minnesota（明尼苏达大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV

AI总结 ActiveInitSplat通过主动选择图像来优化高斯溅射的初始化和训练，提升了渲染性能。

HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving

HybridWorldSim: 一种可扩展且可控的高保真驾驶仿真器

Qiang Li, Yingwenqi Jiang, Tuoxi Li, Duyu Chen, Xiang Feng, Yucheng Ao, Shangyue Liu, Xingchen Yu, Youcheng Cai, Yumeng Liu, Yuexin Ma, Xin Hu, Li Liu, Yu Zhang, Linkun Xu, Bingtao Gao, Xueyuan Wang, Shuchang Zhou, Xianming Liu, Ligang Liu

机构 * XPeng Motors ； ShanghaiTech University（上海科技大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 HybridWorldSim通过整合多遍神经重建与生成模型，实现高保真驾驶仿真，提供可扩展且可控的仿真环境及新的多遍数据集MIRROR，推动自动驾驶研究。

Comments Project page: https://hybridworldsim.github.io/

Are you a robot? Detecting Autonomous Vehicles from Behavior Analysis

你是机器人吗？通过行为分析检测自动驾驶汽车

Fabio Maresca, Filippo Grazioli, Antonio Albanese, Vincenzo Sciancalepore, Gianpiero Negri, Xavier Costa-Perez

机构 * NEC Laboratories Europe GmbH（NEC欧洲实验室） ； Flyhound Co.（Flyhound公司） ； i2CAT Foundation（i2CAT基金会） ； Amazon Global Robotics - EU Innovation Lab（亚马逊全球机器人-欧盟创新实验室） 纠错

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

AI总结 本文提出了一种通过摄像头图像和状态信息自动识别自动驾驶车辆的框架，利用CARLA模拟器创建数据集并测试其识别准确率，达到80%-93%的识别效果。