自动驾驶

Hyperspectral Sensors and Autonomous Driving: Technologies, Limitations, and Opportunities

高光谱传感器与自动驾驶：技术、限制与机遇

Imad Ali Shah, Jiarong Li, Roshan George, Tim Brophy, Enda Ward, Martin Glavin, Edward Jones, Brian Deegan

机构 * School of Engineering, University of Galway（Galway大学工程学院） ； Ryan Institute, University of Galway（Galway大学Ryan学院） ； Valeo Vision Systems（Valeo视觉系统） 纠错

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

AI总结 本文综述了高光谱成像在自动驾驶中的技术、限制与机遇，分析了现有设备性能及数据集的局限性，指出其在实际应用中的挑战与发展方向。

Comments Submitted and under review at IEEE OJVT, August 2025

Journal ref IEEE Open Journal of Vehicular Technology, Vol. 7, pp. 124-143, 2026

StereoMV2D: A Sparse Temporal Stereo-Enhanced Framework for Robust Multi-View 3D Object Detection

StereoMV2D: 一种稀疏时间立体增强框架，用于鲁棒的多视角3D目标检测

Di Wu, Feng Yang, Wenhui Zhao, Jinwen Yu, Pan Liao, Benlian Xu, Dingwen Zhang

机构 * the school of automation, Northwestern Polytechnical University（自动化学院，西北工业大学） ； the school of electronic and information engineering, Suzhou University of Science and Technology（电子信息工程学院，苏州科技大学） 纠错

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

AI总结 StereoMV2D通过整合时间立体建模，提升多视角3D目标检测的鲁棒性和精度，无需显著增加计算开销。

Comments 12 pages, 4 figures. This work has been submitted to the IEEE for possible publication

Symbolic Imitation Learning: From Black-Box to Explainable Driving Policies

符号模仿学习：从黑箱到可解释的驾驶策略

Iman Sharifi, Mustafa Yildirim, Saber Fallah

机构 * Department of Science and Engineering, the George Washington University（科学与工程系，乔治·华盛顿大学） ； Autonomous Vehicles Lab, Department of Mechanical Engineering, University of Surrey（自主车辆实验室，机械工程系，萨里大学） 纠错

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

AI总结 本文提出符号模仿学习框架，利用归纳逻辑编程生成可解释的驾驶策略，通过实验证明其在提升透明度和性能方面的优势。

Comments 24 pages, 4 figures, 4 tables

MULTIAQUA: A multimodal maritime dataset and robust training strategies for multimodal semantic segmentation

MULTIAQUA：一种多模态海洋数据集和多模态语义分割的鲁棒训练策略

Jon Muhovič, Janez Perš

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 MULTIAQUA数据集和多模态语义分割的鲁棒训练策略，旨在通过多模态数据提升恶劣能见度下的场景解释质量。

Flying in Clutter on Monocular RGB by Learning in 3D Radiance Fields with Domain Adaptation

在仅用单目RGB图像中飞行的 clutter 问题通过学习3D辐射场并进行域适应

Xijie Huang, Jinhan Li, Tianyue Wu, Xin Zhou, Zhichao Han, Fei Gao

机构 * State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou 310027, China（浙江大学工业控制技术状态重点实验室） ； Differential Robotics, Hangzhou 311121, China（差异机器人技术） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出通过学习3D辐射场并结合域适应，使飞行机器人在仅使用单目RGB图像的情况下实现鲁棒的零样本迁移，以应对 clutter 和光照变化的挑战。

Comments 8 pages, 7 figures