自动驾驶

FutrTrack: A Camera-LiDAR Fusion Transformer for 3D Multiple Object Tracking

FutrTrack: 一种基于相机与激光雷达融合的变压器用于三维多目标跟踪

Martha Teiko Teye, Ori Maoz, Matthias Rottmann

机构 * University of Wuppertal（乌珀塔尔大学） ； Institute of Computer Science, Osnabrück University（计算机科学研究所，奥斯纳布鲁克大学） 纠错

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

AI总结 FutrTrack通过融合相机与激光雷达数据，利用基于变压器的跟踪框架，在多目标跟踪中实现了高效且鲁棒的跟踪性能。

Comments Accepted to VISAPP 2026

LSM: A Comprehensive Metric for Assessing the Safety of Lane Detection Systems in Autonomous Driving

LSM：用于评估自动驾驶中车道检测系统安全性的综合指标

Jörg Gamerdinger, Sven Teufel, Stephan Amann, Georg Volk, Oliver Bringmann

机构 * University of Tübingen, Faculty of Science, Department of Computer Science, Embedded Systems Group（图宾根大学，科学学院，计算机科学系，嵌入式系统组） 纠错

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

AI总结 本文提出LSM，一种用于评估自动驾驶中车道检测系统安全性的综合指标，考虑了场景语义、检测范围及车辆速度等因素，通过安全分数评估系统安全性。

Comments Accepted at IEEE VTC-Fall 2025

CIS-BA: Continuous Interaction Space Based Backdoor Attack for Object Detection in the Real-World

CIS-BA：基于连续交互空间的面向现实世界目标检测的后门攻击

Shuxin Zhao, Bo Lang, Nan Xiao, Yilang Zhang

机构 * organization= State Key Laboratory of Complex \& Critical Software Environment , addressline= Beihang University , city= Beijing , postcode= 100191 , country= China ； organization= Zhongguancun Laboratory , addressline= , city= Beijing , postcode= 100080 , country= China 纠错

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

AI总结 CIS-BA通过引入连续交互空间的触发机制，实现了对现实世界目标检测模型的高效且鲁棒的后门攻击，有效提升了攻击成功率并规避了现有防御方法。

Consistent Instance Field for Dynamic Scene Understanding

一致实例场用于动态场景理解

Junyi Wu, Van Nguyen Nguyen, Benjamin Planche, Jiachen Tao, Changchang Sun, Zhongpai Gao, Zhenghao Zhao, Anwesa Choudhuri, Gengyu Zhang, Meng Zheng, Feiran Wang, Terrence Chen, Yan Yan, Ziyan Wu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； United Imaging Intelligence（联合影像智能） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 本文提出了一种基于变形3D高斯的连续概率时空表示，用于动态场景理解，通过解耦可见性与实例身份，提升新颖视角分割和开放词汇4D查询任务的性能。

Efficient Collision Detection for Long and Slender Robotic Links in Euclidean Distance Fields: Application to a Forestry Crane

在欧几里得距离场中高效检测长而细的机械臂碰撞：应用于林业起重机

Marc-Philip Ecker, Bernhard Bischof, Minh Nhat Vu, Christoph Fröhlich, Tobias Glück, Wolfgang Kemmetmüller

机构 * Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） ； Center for Vision, Automation & Control, AIT Austrian Institute of Technology GmbH（视觉、自动化与控制中心，奥地利技术研究所） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种针对长细机械臂的高效碰撞检测算法，通过利用其细长结构提升运动规划效率，适用于林业起重机等大尺寸机械臂的应用。

Comments Accepted at IROS 2025