自动驾驶

INDOOR-LiDAR: Bridging Simulation and Reality for Robot-Centric 360 degree Indoor LiDAR Perception -- A Robot-Centric Hybrid Dataset

INDOOR-LiDAR: 联接仿真与现实以提升机器人中心的360度室内LiDAR感知 -- 一个机器人中心的混合数据集

Haichuan Li, Changda Tian, Panos Trahanias, Tomi Westerlund

专题命中 感知 ：LiDAR(title,abstract)；BEV(abstract)；分类 cs.RO

AI总结 INDOOR-LIDAR通过融合仿真与真实数据，为机器人感知研究提供了一个可扩展、真实且可重复的混合数据集，用于提升复杂室内环境中的感知能力。

TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder

TransBridge: 通过变换解码器进行场景级补全提升3D目标检测

Qinghao Meng, Chenming Wu, Liangjun Zhang, Jianbing Shen

机构 * School of Computer Science, Beijing Institute of Technology（北京理工大学计算机科学学院） ； Robotics and Autonomous Driving Lab (RAL), Baidu Research（百度研究机器人与自动驾驶实验室） ； State Key Laboratory of Internet of Things for Smart City, Department of Computer and Information Science, University of Macau（澳门大学智能城市物联网国家重点实验室，计算机与信息科学系） 纠错

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

AI总结 TransBridge通过变换解码器进行场景级补全，提升3D目标检测性能，实现稀疏区域特征增强和密集点云生成

Comments 12 pages, 9 figures

Multi-modal Uncertainty Robust Tree Cover Segmentation For High-Resolution Remote Sensing Images

多模态不确定性鲁棒树冠覆盖分割用于高分辨率遥感图像

Yuanyuan Gui, Wei Li, Yinjian Wang, Xiang-Gen Xia, Mauro Marty, Christian Ginzler, Zuyuan Wang

机构 * School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； National Key Laboratory of Science and Technology on Space-Born Intelligent Information Processing（空间智能信息处理国家重点实验室） ； Department of Electrical and Computer Engineering, University of Delaware（电气与计算机工程系，德雷塞尔大学） ； Swiss Federal Institute for Forest, Snow, and Landscape Research WSL（瑞士森林、雪和景观研究联邦 institute WSL） 纠错

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

AI总结 MURTreeFormer通过多模态分割框架降低不确定性，提升高分辨率遥感图像中树冠分割的鲁棒性与准确性。

Journal ref IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2026

Near-Field Perception for Safety Enhancement of Autonomous Mobile Robots in Manufacturing Environments

近场感知用于制造环境中自主移动机器人的安全增强

Li-Wei Shih, Ruo-Syuan Mei, Jesse Heidrich, Hui-Ping Wang, Joel Hooton, Joshua Solomon, Jorge Arinez, Guangze Li, Chenhui Shao

机构 * Department of Mechanical Engineering, University of Michigan, MI 48109, USA ； Materials \& Manufacturing Systems Research, General Motors R \& D, Warren, MI 48092, USA 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出三级近场感知框架，通过光断续检测、光位移测量和计算机视觉分类，提升自主移动机器人在制造环境中的安全性能。

Comments Submitted to the 54th SME North American Manufacturing Research Conference (NAMRC 54)

Light Field Based 6DoF Tracking of Previously Unobserved Objects

基于光场的先前未观察到物体的6自由度跟踪

Nikolai Goncharov, James L. Gray, Donald G. Dansereau

机构 * University of Sydney（悉尼大学） ； Australian Centre For Robotics (ACFR)（澳大利亚机器人中心） ； School of Aerospace, Mechanical and Mechatronic Engineering（航空航天、机械与机电工程学院） 纠错

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

AI总结 本文提出了一种基于光场的物体跟踪方法，无需预训练模型，能有效处理复杂视觉行为，如反射，通过统一的物体表示提升跟踪性能。

GradID: Adversarial Detection via Intrinsic Dimensionality of Gradients

GradID: 通过梯度的内在维度进行对抗检测

Mohammad Mahdi Razmjoo, Mohammad Mahdi Sharifian, Saeed Bagheri Shouraki

机构 * Sharif University of Technology（沙里夫技术大学） 纠错

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

AI总结 GradID通过分析梯度的内在维度，提出了一种高效检测对抗攻击的方法，在多个数据集和攻击类型上均表现出色。

Comments 16 pages, 8 figures

Transformer-XL for Long Sequence Tasks in Robotic Learning from Demonstration

Transformer-XL在机器人学习从示范中的长序列任务应用

Gao Tianci

机构 * Bauman Moscow State Technical University（巴甫洛夫莫斯科国立技术大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出利用Transformer-XL处理机器人学习从示范中的长序列任务，通过多模态传感器输入提升任务成功率和计算效率。

Comments 11 pages,4 figures

Journal ref Tianci G. Transformer-xl for long sequence tasks in robotic learning from demonstrations[C]//International Conference on Intelligent Systems. Cham: Springer Nature Switzerland, 2024: 25-36

WCCNet: Wavelet-context Cooperative Network for Efficient Multispectral Pedestrian Detection

WCCNet：小波-上下文协作网络用于高效多光谱行人检测

Xingjian Wang, Li Chai, Jiming Chen, Zhiguo Shi

机构 * the College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； the College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） 纠错

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

AI总结 WCCNet通过低计算成本的多光谱特征提取与跨模态融合，提升自动驾驶中的行人检测效率与精度。

Comments 35 pages, 12 figures

A Stochastic Approach to Terrain Maps for Safe Lunar Landing

为安全月球着陆的地形图提供随机方法

Anja Sheppard, Chris Reale, Katherine A. Skinner

机构 * Draper Scholar University of Michigan（Draper学者 密歇根大学） ； The Charles Stark Draper Laboratory（查尔斯·斯塔克·德拉珀实验室） ； University of Michigan（密歇根大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出利用高斯过程生成随机高程图的方法，以更准确地建模月球地形不确定性，提升月球着陆的安全性。

Comments Accepted to IEEE Aerospace 2026

Microsecond-scale high-survival and number-resolved detection of ytterbium atom arrays

微秒级高存活率和数分辨的镱原子阵列检测

Alessandro Muzi Falconi, Riccardo Panza, Sara Sbernardori, Riccardo Forti, Ralf Klemt, Omar Abdel Karim, Matteo Marinelli, Francesco Scazza

专题命中 感知 ：occupancy(abstract)

AI总结 本研究通过非主动冷却技术实现了微秒级高存活率和数分辨的镱原子阵列检测，为快速原子重用在镊子基处理器和钟中提供关键步骤。

Comments 8+10 pages, 4+6 figures; typos corrected

Journal ref Phys. Rev. Lett. 135, 203402 (2025)