自动驾驶

SC-MII: Infrastructure LiDAR-based 3D Object Detection on Edge Devices for Split Computing with Multiple Intermediate Outputs Integration

SC-MII：基于基础设施激光雷达的边缘设备上用于分割计算的多中间输出集成的3D目标检测

Taisuke Noguchi, Takayuki Nishio, Takuya Azumi

机构 * Graduate School of Science and Engineering（科学与工程研究生学校） ； Saitama University（上野大学） ； School of Engineering（工程学院） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 SC-MII通过多激光雷达和边缘计算实现高效3D目标检测，降低延迟和能耗，提升隐私保护。

Comments 6 pages. This version includes minor lstlisting configuration adjustments for successful compilation. No changes to content or layout. Originally published at IEEE CCNC 2026

A Vision-Language-Action Model with Visual Prompt for OFF-Road Autonomous Driving

一种具有视觉提示的视觉-语言-动作模型用于越野自动驾驶

Liangdong Zhang, Yiming Nie, Haoyang Li, Fanjie Kong, Baobao Zhang, Shunxin Huang, Kai Fu, Chen Min, Liang Xiao

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

AI总结 本文提出OFF-EMMA模型，通过视觉提示和COT-SC策略提升越野自动驾驶轨迹规划的准确性和鲁棒性。

Autonomous Driving in Unstructured Environments: How Far Have We Come?

在无结构环境中实现自动驾驶：我们已经取得了多大进展？

Chen Min, Shubin Si, Xu Wang, Hanzhang Xue, Weizhong Jiang, Zitong Chen, Mengmeng Li, Jilin Mei, Erke Shang, Zhipeng Xiao, Bin Dai, Qi Zhu, Hao Fu, Dawei Zhao, Liang Xiao, Yiming Nie, Yu Hu

机构 * Research Center for Intelligent Computing Systems, SKLP, Institute of Computing Technology, Chinese Academy of Sciences（智能计算系统研究中心、SKLP、计算技术研究所、中国科学院） ； Harbin Engineering University（哈尔滨工程大学） ； Jianghuai Advance Technology Center, Anhui Provincial Key Laboratory of Humanoid Robot, Anhui Provincial Industry Innovation Center of Humanoid Robot（江淮先进技术中心、安徽省人形机器人重点实验室、安徽省人形机器人产业创新中心） ； Beihang University（北航） ； Test Center, National University of Defense Technology（测试中心、国防科技大学） ； National University of Defense Technology（国防科技大学） ； Unmanned Systems Technology Research Center, Defense Innovation Institute（无人系统技术研究中心、创新研究院） 纠错

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

AI总结 本文综述了无结构户外环境中自动驾驶的研究进展，涵盖多个关键技术领域，并讨论了未来研究方向。

Comments Accepted by Journal of Field Robotics (JFR) 2025; Survey paper; 59 pages

LaneSegNet: Map Learning with Lane Segment Perception for Autonomous Driving

LaneSegNet: 用于自动驾驶的基于车道段的地图学习

Tianyu Li, Peijin Jia, Bangjun Wang, Li Chen, Kun Jiang, Junchi Yan, Hongyang Li

机构 * Fudan University（复旦大学） ； OpenDriveLab（OpenDrive实验室） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 LaneSegNet通过引入车道段表示，实现了端到端的地图学习，提升车道线检测、中心线感知和车道段感知的性能，达到每秒14.7次的实时推理速度。

Comments Accepted in ICLR 2024

Journal ref ICLR 2024

Hiking in the Wild: A Scalable Perceptive Parkour Framework for Humanoids

野外徒步：一种可扩展的感知跳跃框架用于人形机器人

Shaoting Zhu, Ziwen Zhuang, Mengjie Zhao, Kun-Ying Lee, Hang Zhao

机构 * IIIS, Tsinghua University（清华大学人工智能研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 本文提出了一种可扩展的感知跳跃框架，通过结合地形边缘检测和脚部体积点，实现人形机器人在复杂地形中的稳健徒步。

Comments Project Page: https://project-instinct.github.io/hiking-in-the-wild

EnvoDat: A Large-Scale Multisensory Dataset for Robotic Spatial Awareness and Semantic Reasoning in Heterogeneous Environments

EnvoDat：一种大规模多感官数据集，用于机器人空间感知和异构环境中的语义推理

Linus Nwankwo, Bjoern Ellensohn, Vedant Dave, Peter Hofer, Jan Forstner, Marlene Villneuve, Robert Galler, Elmar Rueckert

机构 * Chair of Cyber-Physical System, Montanuniversität Leoben, Austria（智能物理系统系，莱布恩矿业大学，奥地利） ； Theresianische Militarakademie, Austria（特里西亚军事学院，奥地利） ； Chair of Subsurface Engineering, Montanuniversität Leoben, Austria（地下工程系，莱布恩矿业大学，奥地利） 纠错

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

AI总结 EnvoDat是一个大规模多感官数据集，用于提升机器人在复杂异构环境中的空间感知和语义推理能力。

TRASE: Tracking-free 4D Segmentation and Editing

TRASE：无需跟踪的4D分割与编辑

Yun-Jin Li, Mariia Gladkova, Yan Xia, Daniel Cremers

机构 * TU Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 TRASE通过弱监督学习实现无需跟踪的4D分割，利用对比学习和聚类技术实现动态场景的高效分割与交互编辑。

Comments Accepted to 3DV 2026. Project page https://yunjinli.github.io/project-sadg

SGDrive: Scene-to-Goal Hierarchical World Cognition for Autonomous Driving

SGDrive: 场景到目标层次化世界认知用于自动驾驶

Jingyu Li, Junjie Wu, Dongnan Hu, Xiangkai Huang, Bin Sun, Zhihui Hao, Xianpeng Lang, Xiatian Zhu, Li Zhang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Li Auto Inc.（利汽车公司） ； Tongji University（同济大学） ； University of Surrey（Surrey大学） 纠错

专题命中 规划控制 ：autonomous driving(title,abstract)；trajectory planning(abstract)；分类 cs.CV

AI总结 SGDrive通过构建驾驶特定的知识层次结构，改进了视觉语言模型在自动驾驶中的轨迹规划能力，实现了在导航模拟基准上的最佳性能。

PANDA: A self-driving lab for studying electrodeposited polymer films

PANDA：用于研究电沉积聚合物薄膜的自动驾驶实验室

Harley Quinn, Gregory A. Robben, Zhaoyi Zheng, Alan L. Gardner, Jörg G. Werner, Keith A. Brown

专题命中 规划控制 ：self-driving(title,abstract)

AI总结 PANDA是一种自动化系统，用于高通量电沉积和功能表征聚合物薄膜，通过优化电色效应切换条件实现对PEDOT:PSS薄膜的研究。

Precision Meets Art: Autonomous Multi-UAV System for Large Scale Mural Drawing

精度与艺术：用于大规模壁画绘制的自主多无人机系统

Andrei A. Korigodskii, Artem E. Vasiunik, Georgii A. Varin, Adilia M. Zukhurova, Matvei V. Urvantsev, Semen A. Osipenkov, Igor S. Efremov, Georgii E. Bondar

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出了一种自主多无人机系统，用于户外大规模壁画绘制，通过复杂定位系统和新型飞行控制算法实现了高精度和稳定性。

Comments 6 pages, 9 figures

LOONG: Online Time-Optimal Autonomous Flight for MAVs in Cluttered Environments

LOONG：在杂乱环境中实现MAV的在线时间最优自主飞行

Xin Guan, Fangguo Zhao, Qianyi Wang, Chengcheng Zhao, Jiming Chen, Shuo Li

机构 * College of Control Science and Engineering, Zhejiang University（控制科学与工程学院，浙江大学） 纠错

专题命中 规划控制 ：LiDAR(abstract)；分类 cs.RO

AI总结 LOONG框架通过集成规划与控制方法，在杂乱环境中实现MAV的高速时间最优自主飞行，结合模仿学习和模型预测控制，提升机动性能与安全性。

Control-Barrier-Aided Teleoperation with Visual-Inertial SLAM for Safe MAV Navigation in Complex Environments

基于控制屏障的遥控操作与视觉-惯性SLAM的MAV安全导航

Siqi Zhou, Sotiris Papatheodorou, Stefan Leutenegger, Angela P. Schoellig

机构 * Learning Systems and Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（学习系统与机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（智能机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, Department of Computing, Imperial College London（智能机器人实验室，计算系，伦敦帝国理工学院） ； Munich Institute of Robotics and Machine Intellig（慕尼黑机器人与机器智能研究所） 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控制屏障函数与视觉-惯性SLAM的MAV安全导航系统，通过感知-动作闭环实现复杂环境中的安全遥控操作。

Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2024, 7 pages, 7 figures, supplementary video is available at https://youtu.be/rCxbWY4PIfQ?si=DC-9mg7g1WooNdaV

Electrical Control of Optically Active Single Spin Qubits in ZnSe

在ZnSe中电控光学活性单自旋量子比特

Amirehsan Alizadehherfati, Yuxi Jiang, Nils von den Driesch, Christine Falter, Yurii Kutovyi, Jasvith Raj Basani, Amirehsan Boreiri, Alexander Pawlis, Edo Waks

专题命中 规划控制 ：occupancy(abstract)

AI总结 通过电场调控ZnSe量子井中单自旋量子比特的发射能量，有效抑制电荷噪声，提升光学和自旋可寻址性。

Comments 23 pages, 11 figures

Toward Safe and Responsible AI Agents: A Three-Pillar Model for Transparency, Accountability, and Trustworthiness

迈向安全和负责任的AI代理：透明、问责和可信的三支柱模型

Edward C. Cheng, Jeshua Cheng, Alice Siu

机构 * InquiryOn 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.AI

AI总结 本文提出三支柱模型，旨在通过透明、问责和可信机制，确保AI代理的安全性和责任性，促进负责任的AI发展。

Comments 15 pages, 8 figures, conference paper

Out-of-Distribution Semantic Occupancy Prediction

分布外语义占用预测

Yuheng Zhang, Mengfei Duan, Kunyu Peng, Yuhang Wang, Ruiping Liu, Fei Teng, Kai Luo, Zhiyong Li, Kailun Yang

机构 * School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（人机学与机器人研究所，卡尔斯鲁厄技术大学） ； National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（机器人视觉感知与控制技术国家工程研究中心，湖南大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；BEV(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 本文提出OccOoD框架，通过跨空间语义细化提升3D语义占用预测中的分布外检测性能。

Comments The established datasets and source code will be made publicly available at https://github.com/7uHeng/OccOoD

Continuous Energy Landscape Model for Analyzing Brain State Transitions

连续能量景观模型用于分析脑状态转换

Triet M. Tran, Seyed Majid Razavi, Dee H. Wu, Sina Khanmohammadi

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出连续能量景观模型，利用图神经网络从fMRI信号中学习连续精度矩阵，提升脑状态转换分析的精度与实用性。

Beyond Path Loss: Altitude-Dependent Spectral Structure Modeling for UAV Measurements

超越路径损耗：面向无人机测量的海拔依赖性频谱结构建模

Amir Hossein Fahim Raouf, İsmail Güvenç

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种基于测量的框架，用于表征无人机在不同海拔下的频谱行为，通过建模频谱结构的海拔依赖性转变，实现频谱感知和频段选择决策。

Scalable Outdoors Autonomous Drone Flight with Visual-Inertial SLAM and Dense Submaps Built without LiDAR

可扩展的户外自主无人机飞行：基于视觉-惯性SLAM和无LiDAR的密集子地图构建

Sebastián Barbas Laina, Simon Boche, Sotiris Papatheodorou, Dimos Tzoumanikas, Simon Schaefer, Hanzhi Chen, Stefan Leutenegger

机构 * Technical University of Munich（技术大学慕尼黑） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Mobile Robotics Lab（移动机器人实验室） ； Department of Computing（计算学院） ； Imperial College London（伦敦帝国学院） ； Department of Mechanical and Process Engineering（机械与过程工程学院） ； ETH Zurich（苏黎世联邦理工学院） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 本文提出了一种基于视觉-惯性SLAM和无LiDAR的自主无人机系统，实现户外复杂环境下的大规模自主导航和路径规划。

Comments 8 pages, 8 figures

Efficient Submap-based Autonomous MAV Exploration using Visual-Inertial SLAM Configurable for LiDARs or Depth Cameras

基于子地图的高效自主MAV探索：融合视觉惯性SLAM并可配置为LiDAR或深度相机

Sotiris Papatheodorou, Simon Boche, Sebastián Barbas Laina, Stefan Leutenegger

机构 * Technical University of Munich（慕尼黑技术大学） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Imperial College London（伦敦帝国学院） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出了一种基于子地图的MAV自主探索框架，通过融合视觉惯性SLAM并支持LiDAR或深度相机，实现高效探索与地图重建。

Comments In proceedings of the IEEE International Conference on Robotics and Automation, 2025. 7 pages, 8 figures, for the accompanying video see https://youtu.be/Uf5fwmYcuq4

PRISM: Color-Stratified Point Cloud Sampling

PRISM：基于颜色分层的点云采样

Hansol Lim, Minhyeok Im, Jongseong Brad Choi

机构 * Department of Mechanical Engineering, State University of New York, Korea, Incheon, South Korea（纽约州立大学机械工程系） ； Department of Mechanical Engineering, State University of New York, Stony Brook, NY, United States（纽约州立大学石溪分校机械工程系） ； Department of Computer Science, State University of New York, Korea, Incheon, South Korea（纽约州立大学计算机科学系） ； Department of Computer Science, State University of New York, Stony Brook, NY, United States（纽约州立大学石溪分校计算机科学系） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV

AI总结 PRISM通过颜色引导分层采样方法，在RGB-LiDAR点云中保留高颜色变化区域，减少视觉同质表面，提升3D重建的点云质量。

Comments This work has been submitted to the 2026 International Conference on Pattern Recognition (ICPR) for possible publication

From Features to Reference Points: Lightweight and Adaptive Fusion for Cooperative Autonomous Driving

从特征到参考点：轻量且自适应的融合用于协同自动驾驶

Yongqi Zhu, Morui Zhu, Qi Chen, Deyuan Qu, Isabella Luo, Song Fu, Qing Yang

机构 * University of North Texas（北卡罗来纳大学达灵顿分校） ； Toyota InfoTech Labs（丰田信息技术实验室） ； The Hockaday School（霍克达伊学校） 纠错

专题命中 多传感器融合 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 RefPtsFusion通过交换紧凑的参考点实现轻量且自适应的协同自动驾驶融合，显著降低通信开销并保持感知性能。

Comments v2: Updated author list to reflect contributions to this work

Navigation Around Unknown Space Objects Using Visible-Thermal Image Fusion

利用可见光与热红外图像融合进行未知空间物体的导航

Eric J. Elias, Michael Esswein, Jonathan P. How, David W. Miller

机构 * Draper Scholar, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） ； Senior Member of Technical Staff, The Charles Stark Draper Laboratory Inc.（查尔斯·斯塔克·德拉珀实验室公司） ； Ford Professor of Engineering, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） ； Professor Post Tenure, Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出利用可见光与热红外图像融合技术，提升在复杂光照条件下对未知空间物体的导航精度。

Comments 18 pages, 11 figures. To be published in proceedings of AIAA SCITECH 2026 Forum

R$^3$D: Regional-guided Residual Radar Diffusion

R$^3$D: 基于区域引导的残差雷达扩散

Hao Li, Xinqi Liu, Yaoqing Jin

机构 * University of Arizona（亚利桑那大学） ； University of Hong Kong（香港大学） ； University of Stuttgart（斯图加特大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 R3D通过区域引导残差雷达扩散框架，整合残差建模与sigma自适应引导，提升雷达点云质量，优于现有方法。

Comments 6 pages, 4 figures

AgriLiRa4D: A Multi-Sensor UAV Dataset for Robust SLAM in Challenging Agricultural Fields

AgriLiRa4D：一种多传感器无人机数据集，用于在具有挑战性的农业田间实现鲁棒SLAM

Zhihao Zhan, Yuhang Ming, Shaobin Li, Jie Yuan

机构 * School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院） ； TopXGun Robotics（TopXGun机器人公司） ； School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 AgriLiRa4D提供多传感器数据集，用于在农业环境中实现鲁棒SLAM，支持多种SLAM研究和评估

GM-MoE: Low-Light Enhancement with Gated-Mechanism Mixture-of-Experts

GM-MoE：基于门控机制的专家混合网络用于低光照增强

Minwen Liao, Hao Bo Dong, Xinyi Wang, Kurban Ubul, Yihua Shao, Ziyang Yan

机构 * Xinjiang University（新疆大学） ； Harbin University of Commerce（哈尔滨商业大学） ； Changchun University of Science and Technology（长春理工大学） ； University of Science and Technology Beijing（北京科技大学） ； University of Trento（特伦托大学） 纠错

专题命中 多传感器融合 ：autonomous driving(abstract)；分类 cs.CV

AI总结 GM-MoE通过门控机制混合专家网络实现低光照图像增强，提升图像质量与泛化能力。

Software-Hardware Co-optimization for Modular E2E AV Paradigm: A Unified Framework of Optimization Approaches, Simulation Environment and Evaluation Metrics

模块化端到端自动驾驶范式中的软件硬件协同优化：一种统一的优化方法、仿真环境和评估指标框架

Chengzhi Ji, Xingfeng Li, Zhaodong Lv, Hao Sun, Pan Liu, Hao Frank Yang, Ziyuan Pu

机构 * School of Transportation, Southeast University（东南大学交通学院） ； School of Electronic Science and Engineering, Southeast University（东南大学电子科学与工程学院） ； Department of Civil and Systems Engineering, Johns Hopkins University（约翰霍普金斯大学土木与系统工程系） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.AI

AI总结 本文提出了一种模块化端到端自动驾驶范式的软件硬件协同优化框架，通过统一的优化方法、仿真环境和评估指标，有效降低推断延迟和能耗，提升系统整体性能。

Comments 17pages,6 figures,6 tables

Efficient Visual Question Answering Pipeline for Autonomous Driving via Scene Region Compression

面向自动驾驶的高效视觉问答流水线：场景区域压缩

Yuliang Cai, Dongqiangzi Ye, Zitian Chen, Chongruo Wu

机构 * University of Southern California（南加州大学） ； XPeng（小鹏） 纠错

专题命中 其他自动驾驶 ：autonomous driving(title,abstract)；分类 cs.CV

AI总结 本文提出SRC-Pipeline框架，通过场景区域压缩技术，在保持性能的同时显著降低计算成本，提升自动驾驶中的实时视觉问答效率。

Comments 7 pages

Task Prototype-Based Knowledge Retrieval for Multi-Task Learning from Partially Annotated Data

基于任务原型的知识检索多任务学习：从部分标注数据中学习

Youngmin Oh, Hyung-Il Kim, Jung Uk Kim

专题命中 其他自动驾驶 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出基于原型的知识检索框架，通过任务原型嵌入和知识检索变压器实现稳健的多任务学习，适用于部分标注数据场景。

Comments Accepted at AAAI 2026

PANDA-film: an automated system for electrodeposition of polymer thin films and their wetting analysis

PANDA-film：一种用于聚合物薄膜电沉积及其润湿分析的自动化系统

Harley Quinn, Gregory A. Robben, Zhaoyi Zheng, Jin Yan, Yuanzhi Li, Zhaoji Yang, Maria Politi, Nadya Peek, Lilo Pozzo, Jörg G. Werner, Keith A. Brown

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 PANDA-film是一种模块化自动化系统，用于电沉积聚合物薄膜并分析其润湿性。

Comments For more information please see GitHub repository at https://github.com/BU-KABlab/PANDA-BEAR