自动驾驶

DriveNetBench: An Affordable and Configurable Single-Camera Benchmarking System for Autonomous Driving Networks

DriveNetBench: 一种经济实惠且可配置的单摄像头自动驾驶网络基准测试系统

Ali Al-Bustami, Humberto Ruiz-Ochoa, 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-德城） 纠错

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

AI总结 DriveNetBench提供了一种经济实惠且可配置的单摄像头系统，用于评估自动驾驶网络的性能，通过开源软件实现标准化测试和可重复的度量标准，提升研究可及性。

Towards Efficient 3D Object Detection for Vehicle-Infrastructure Collaboration via Risk-Intent Selection

为车辆-基础设施协作实现高效3D物体检测的险意选择

Li Wang, Boqi Li, Hang Chen, Xingjian Wu, Yichen Wang, Jiewen Tan, Xinyu Zhang, Huaping Liu

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

AI总结 本文提出RiSe框架，通过风险意图选择实现车辆-基础设施协作中高效3D物体检测，减少通信量同时保持高检测精度。

An Informative Planning Framework for Target Tracking and Active Mapping in Dynamic Environments with ASVs

面向动态环境的目标跟踪与主动建图的 informative 规划框架

Sanjeev Ramkumar Sudha, Marija Popović, Erlend M. Coates

机构 * Norwegian University of Science and Technology (NTNU)（挪威科学与技术大学） ； MAVLab, Faculty of Aerospace Engineering, TU Delft（MAVLab，航空航天工程学院，代尔夫特理工大学） 纠错

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

AI总结 本文提出了一种结合动态占用网格建图和信息规划方法的框架，用于在动态环境中主动跟踪和建图漂浮目标，通过时空预测网络提升目标跟踪性能。

Comments Accepted for publication in Robotics and Automation Letters (RA-L)

Foreground-Aware Dataset Distillation via Dynamic Patch Selection

前景感知的数据集蒸馏 via 动态补丁选择

Longzhen Li, Guang Li, Ren Togo, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama

机构 * Graduate School of Information Science and Technology, Hokkaido University（信息科学与技术研究生学校，北海道大学） ； Education and Research Center for Mathematical and Data Science, Hokkaido University（数学与数据科学教育与研究中心，北海道大学） ； Faculty of Information Science and Technology, Hokkaido University（信息科学与技术学部，北海道大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种前景感知的数据集蒸馏方法，通过动态补丁选择策略提升蒸馏效果，减少冗余背景信息，增强模型鲁棒性。

On the Stability of Leading-Power Factorization under Photon Propagator Numerator Modifications

关于在光子传播子分子修改下主导功率因子分解的稳定性

Cong Li

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究探讨了在光子传播子分子修改下主导功率因子分解的稳定性，表明在特定条件下因子分解形式保持不变，且背景敏感性仅在更高阶效应中显现。

Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups

跨多样尺度、场景和传感器设置的零样本点云配准

Hyungtae Lim, Minkyun Seo, Luca Carlone, Jaesik Park

机构 * Laboratory for Information and Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Department of Computer Science and Engineering, Seoul National University（计算机科学与工程系，首尔国立大学） 纠错

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

AI总结 提出BUFFER-X框架，通过几何自举、分布感知采样和坐标归一化实现零样本点云配准，同时引入BUFFER-X-Lite提升效率，适用于多样场景和传感器设置。

Comments 18 pages, 15 figures. Extended version of our ICCV 2025 highlight paper [arXiv:2503.07940]. arXiv admin note: substantial text overlap with arXiv:2503.07940

Enhancing Safety in Automated Ports: A Virtual Reality Study of Pedestrian-Autonomous Vehicle Interactions under Time Pressure, Visual Constraints, and Varying Vehicle Size

提升自动化港口的安全性：一项虚拟现实研究，探讨时间压力、视觉限制和不同车辆尺寸下行人与自动驾驶车辆的交互

Yuan Che, Mun On Wong, Xiaowei Gao, Haoyang Liang, Yun Ye

专题命中 其他自动驾驶 ：autonomous driving(abstract)

AI总结 本研究通过虚拟现实实验探讨了时间压力、视觉限制和车辆尺寸对港口行人与自动驾驶车辆交互安全的影响，提出了提升港口自动驾驶系统安全性的策略。