自动驾驶

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving

多模态数据高效3D场景理解用于自动驾驶

Lingdong Kong, Xiang Xu, Jiawei Ren, Wenwei Zhang, Liang Pan, Kai Chen, Wei Tsang Ooi, Ziwei Liu

机构 * WorldBench Team Project Lead（WorldBench团队项目负责人） 纠错

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

AI总结 LaserMix++通过多模态方法提升自动驾驶中LiDAR数据高效3D场景理解，以更少标注实现更高精度。

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

OWL: Unsupervised 3D Object Detection by Occupancy Guided Warm-up and Large Model Priors Reasoning

OWL：通过占用引导预热和大模型先验推理实现无监督3D物体检测

Xusheng Guo, Wanfa Zhang, Shijia Zhao, Qiming Xia, Xiaolong Xie, Mingming Wang, Hai Wu, Chenglu Wen

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

AI总结 OWL通过占用引导预热和大模型先验推理实现无监督3D物体检测，有效提升mAP性能15%以上。

Comments The 40th Annual AAAI Conference on Artificial Intelligence

Perspective-Invariant 3D Object Detection

视角不变的3D物体检测

Ao Liang, Lingdong Kong, Dongyue Lu, Youquan Liu, Jian Fang, Huaici Zhao, Wei Tsang Ooi

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

AI总结 本文提出Pi3DET数据集和跨平台适应框架，实现视角不变的3D物体检测，推动非车辆平台的3D检测研究。

Comments ICCV 2025; 54 pages, 18 figures, 22 tables; Project Page at https://pi3det.github.io

Concept-based Explainable Data Mining with VLM for 3D Detection

基于概念的可解释数据挖掘与VLM用于3D检测

Mai Tsujimoto

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出基于概念的可解释数据挖掘方法，利用VLMs识别稀有物体以提升3D检测性能，减少标注负担并提高模型效果。

Comments 28 pages including appendix. Code: https://github.com/mm1129/concept_based_rare_detector_2025

YOLO and SGBM Integration for Autonomous Tree Branch Detection and Depth Estimation in Radiata Pine Pruning Applications

YOLO与SGBM融合用于辐射松修剪应用中的自主树枝检测与深度估计

Yida Lin, Bing Xue, Mengjie Zhang, Sam Schofield, Richard Green

机构 * Centre for Data Science and Artificial Intelligence（数据科学与人工智能中心） ； Victoria University of Wellington（惠灵顿维多利亚大学） ； Department of Computer Science and Software Engineering（计算机科学与软件工程系） ； University of Canterbury（坎特伯雷大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本文提出一种融合YOLO与SGBM的自主修剪系统，通过立体摄像机实现树枝检测与深度估计，提升林业作业的安全性和效率。

iFinder: Structured Zero-Shot Vision-Based LLM Grounding for Dash-Cam Video Reasoning

iFinder: 结构化零样本视觉基于LLM的地面定位用于行车记录仪视频推理

Manyi Yao, Bingbing Zhuang, Sparsh Garg, Amit Roy-Chowdhury, Christian Shelton, Manmohan Chandraker, Abhishek Aich

机构 * NEC Laboratories, America（NEC美国实验室） ； University of California, Riverside（加州大学河滨分校） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 iFinder通过结构化语义接地框架，利用行车记录仪视频中的关键线索提升LLM在驾驶视频推理中的性能。

Comments Accepted at NeurIPS 2025

Neural Eulerian Scene Flow Fields

神经欧拉场景流场

Kyle Vedder, Neehar Peri, Ishan Khatri, Siyi Li, Eric Eaton, Mehmet Kocamaz, Yue Wang, Zhiding Yu, Deva Ramanan, Joachim Pehserl

机构 * University of Pennsylvania（宾夕法尼亚大学） ； NVIDIA（英伟达） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 EulerFlow通过神经先验估计空间时间微分方程，实现高质量场景流估计，在多个领域表现优异，超越现有方法。

Comments Accepted to ICLR 2025. Winner of CVPR 2024 WoD Argoverse Scene Flow Challenge, Unsupervised Track. Project page at https://vedder.io/eulerflow

Bayesian Active Inference for Intelligent UAV Anti-Jamming and Adaptive Trajectory Planning

基于贝叶斯主动推断的智能无人机抗干扰与自适应轨迹规划

Ali Krayani, Seyedeh Fatemeh Sadati, Lucio Marcenaro, Carlo Regazzoni

机构 * University of Genoa（热那亚大学） ； Italian National Inter-University Consortium for Telecommunications (CNIT)（意大利国家大学电信联合体（CNIT）） 纠错

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

AI总结 本文提出基于贝叶斯主动推断的无人机抗干扰与自适应轨迹规划方法，通过结合专家示范与概率生成模型，实现高层规划与底层策略的协同，有效减少干扰并提升任务效率。

Comments This paper has been accepted for the 2026 IEEE Consumer Communications & Networking Conference (IEEE CCNC 2026)

iMotion-LLM: Instruction-Conditioned Trajectory Generation

iMotion-LLM：基于指令的轨迹生成

Abdulwahab Felemban, Nussair Hroub, Jian Ding, Eslam Abdelrahman, Xiaoqian Shen, Abduallah Mohamed, Mohamed Elhoseiny

机构 * King Abdullah University of Science and Technology (KAUST)（卡塔尔国王阿卜杜勒阿齐兹大学科学与技术学院） ； Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 iMotion-LLM通过结合预训练LLM与轨迹预测模块，实现基于文本指令的交互式运动生成，提升自动驾驶中的轨迹生成准确性和安全性。

Scenario-aware Uncertainty Quantification for Trajectory Prediction with Statistical Guarantees

面向场景的不确定性量化用于轨迹预测的统计保证

Yiming Shu, Jiahui Xu, Linghuan Kong, Fangni Zhang, Guodong Yin, Chen Sun

机构 * Department of Data and Systems Engineering, the University of Hong Kong（数据与系统工程系，香港大学） ； Faculty of Science and Technology, University of Macau（科学与技术学院，澳门大学） ； School of Mechanical Engineering, Southeast University（机械工程学院，东南大学） 纠错

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

AI总结 本文提出了一种面向场景的不确定性量化框架，通过CopulaCPTS生成预测区间并评估轨迹可靠性，以提升自动驾驶系统在复杂环境中的安全性。

Physically-Based Simulation of Automotive LiDAR

基于物理的汽车Li DAR仿真

L. Dudzik, M. Roschani, A. Sielemann, K. Trampert, J. Ziehn, J. Beyerer, C. Neumann

机构 * Vision and Fusion Laboratory (IES), Karlsruhe Institute of Technology (KIT)（视觉融合实验室（IES）、卡尔斯鲁厄理工学院（KIT）） 纠错

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

AI总结 本文提出了一种基于物理的Li DAR仿真模型，用于模拟汽车时间飞行Li DAR的性能，通过实验室测量确定参数并测试了两种实际系统。

Seabed-to-Sky Mapping of Maritime Environments with a Dual Orthogonal SONAR and LiDAR Sensor Suite

利用双正交SONAR和LiDAR传感器组实现海床到天空的环境映射

Christian Westerdahl, Jonas Poulsen, Daniel Holmelund, Peter Nicholas Hansen, Fletcher Thompson, Roberto Galeazzi

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

AI总结 本文提出了一种不依赖GNSS的海床到天空映射系统，通过融合LiDAR-IMU与双正交安装的FLS，实现实时高精度三维环境建模。