自动驾驶

Failure Analysis of Safety Controllers in Autonomous Vehicles Under Object-Based LiDAR Attacks

基于目标的激光雷达攻击下自动驾驶车辆安全控制器失效分析

Daniyal Ganiuly, Nurzhau Bolatbek, Assel Smaiyl

专题命中 感知 ：LiDAR(title,abstract)；autonomous driving(abstract)

AI总结 本文研究基于目标的激光雷达攻击对自动驾驶车辆安全控制器的影响，揭示了感知鲁棒性与控制安全之间的差距，并为设计更安全的控制策略提供参考。

InDRiVE: Reward-Free World-Model Pretraining for Autonomous Driving via Latent Disagreement

InDRiVE: 通过潜在分歧进行无奖励世界模型预训练以实现自动驾驶

Feeza Khan Khanzada, Jaerock Kwon

机构 * Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学-迪尔伯恩分校） 纠错

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

AI总结 InDRiVE通过潜在分歧进行无奖励世界模型预训练，提升了自动驾驶在零样本迁移和少量样本适应中的鲁棒性。

AVOID: The Adverse Visual Conditions Dataset with Obstacles for Driving Scene Understanding

AVOID: 用于驾驶场景理解的障碍物条件数据集

Jongoh Jeong, Taek-Jin Song, Jong-Hwan Kim, Kuk-Jin Yoon

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

AI总结 AVOID数据集通过模拟环境收集了多种恶劣天气条件下的道路障碍物，用于提升自动驾驶场景理解的实时障碍物检测能力。

SCAFusion: A Multimodal 3D Detection Framework for Small Object Detection in Lunar Surface Exploration

SCAFusion: 一种针对月球表面探索的小目标多模态3D检测框架

Xin Chen, Kang Luo, Yangyi Xiao, Hesheng Wang

机构 * Department of Automation, Key Laboratory of System Control and Information Processing of Ministry of Education, Key Laboratory of Marine Intelligent Equipment and System of Ministry of Education, Shanghai Engineering Research Center of Intelligent Control and Management, Shanghai Jiao Tong University（自动化系、教育部系统控制与信息处理重点实验室、教育部海洋智能装备与系统重点实验室、上海智能控制与管理工程研究中心、上海交通大学） 纠错

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

AI总结 SCAFusion提出了一种针对月球表面探索的小目标多模态3D检测框架，通过改进的特征对齐和坐标注意机制提升小目标检测性能。

GS-GVINS: A Tightly-integrated GNSS-Visual-Inertial Navigation System Augmented by 3D Gaussian Splatting

GS-GVINS: 一种集成GNSS-视觉-惯性导航系统的系统，结合3D高斯点分布

Zelin Zhou, Saurav Uprety, Shichuang Nie, Hongzhou Yang

机构 * Department of Geomatics Engineering, Shulich School of Engineering, University of Calgary（测绘工程系、谢里尔工程学院、卡尔加里大学） 纠错

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

AI总结 GS-GVINS是一种结合3D高斯点分布的GNSS-视觉-惯性导航系统，通过提升导航精度实现大规模户外导航。

Exploring Syn-to-Real Domain Adaptation for Military Target Detection

探索合成到现实领域适应用于军事目标检测

Jongoh Jeong, Youngjin Oh, Gyeongrae Nam, Jeongeun Lee, Kuk-Jin Yoon

机构 * Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院机械工程系） ； Drone Research and Development Laboratory, LIG Nex1（LIG Nex1无人机研究与发展实验室） 纠错

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

AI总结 本文提出使用Unreal Engine生成RGB合成数据，以提升军事目标检测在跨领域适应中的性能。

Rethinking the Spatio-Temporal Alignment of End-to-End 3D Perception

重新思考端到端3D感知的时空对齐

Xiaoyu Li, Peidong Li, Xian Wu, Long Shi, Dedong Liu, Yitao Wu, Jiajia Fu, Dixiao Cui, Lijun Zhao, Lining Sun

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

AI总结 HAT通过自适应解码多假设生成最优时空对齐提案，提升自动驾驶中3D感知精度和鲁棒性。

Comments Accepted to AAAI 2026

Unsupervised Learning for Detection of Rare Driving Scenarios

无监督学习用于罕见驾驶场景检测

Dat Le, Thomas Manhardt, Moritz Venator, Johannes Betz

机构 * Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University Munich（自主车辆系统教授职位，技术大学慕尼黑工程与设计学院） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； CARIAD SE（CARIAD公司） 纠错

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

AI总结 本研究提出一种无监督学习方法，利用深度隔离森林和t-SNE技术，有效检测自动驾驶中的罕见危险场景。

CoDS: Collaborative Perception via Digital Semantic Communication

CoDS：基于数字语义通信的协同感知

Jipeng Gan, Le Liang, Hua Zhang, Chongtao Guo, Shi Jin

专题命中 感知 ：autonomous driving(abstract)；分类 eess.IV

AI总结 CoDS通过数字语义通信实现协同感知，解决传统方法在V2X网络中的兼容性问题，提升感知性能与传输效率。

iOSPointMapper: RealTime Pedestrian and Accessibility Mapping with Mobile AI

iOSPointMapper: 基于移动AI的实时行人及可达性制图

Himanshu Naidu, Yuxiang Zhang, Sachin Mehta, Anat Caspi

机构 * University of Washington（华盛顿大学） ； Paul G. Allen School of Computer Science and Engineering（保罗·G·艾伦计算机科学与工程学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 iOSPointMapper通过移动AI实现实时人行道制图，结合语义分割、LiDAR和GPS数据，提供隐私保护的数据收集与多模式交通数据整合，提升行人基础设施的可达性。

A Weak Signal Learning Dataset and Its Baseline Method

弱信号学习数据集及其基线方法

Xianqi Liu, Xiangru Li, Lefeng He, Ziyu Fang

机构 * School of Artificial Intelligence, South China Normal University（人工智能学院，华南师范大学） ； School of Computer Science, South China Normal University（计算机学院，华南师范大学） 纠错

专题命中 感知 ：autonomous driving(abstract)

AI总结 本文提出一个专为弱信号学习设计的数据集和PDVFN模型，通过双视角表示和多尺度特征提取，提升低信噪比和类别不平衡场景下的模型性能。