视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
SkeFi: 无线传感器跨模态知识转移用于基于骨骼的动作识别
机构 * School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院）
专题命中 端到端驾驶 ：LiDAR(abstract)；分类 cs.CV
AI总结 SkeFi通过跨模态知识转移方法，利用无线传感器提升基于骨骼的动作识别性能，实现毫米波和LiDAR上的先进表现。
Comments Published in IEEE Internet of Things Journal
Doracamom：多视角4D雷达与摄像头联合3D检测与占用预测用于全方位感知
机构 * School of Automotive Studies, Tongji University（同济大学汽车学院） ； Momoni AI ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Chair of Automotive Engineering, Technische Universität Berlin（柏林技术大学汽车工程学系） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of Information and Electrical Engineering, Hangzhou City University（杭州城市学院信息与电气工程学院）
专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；BEV(abstract)；分类 cs.CV
AI总结 Doracamom通过融合多视角4D雷达与摄像头，实现3D物体检测与语义占用预测，提升自动驾驶环境感知能力。
Comments Accepted by IEEE TCSVT
SatMap: 重新审视卫星地图作为在线高精度地图构建的先验条件
机构 * Munich University of Applied Sciences（慕尼黑应用科学大学） ； Intelligent Vehicles Lab (IVL) Munich（慕尼黑智能车辆实验室）
专题命中 BEV与占用 ：autonomous driving(abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.CV、cs.AI
AI总结 SatMap通过整合卫星地图与多视角摄像头观测，提升在线高精度地图构建的性能和鲁棒性。
Comments This work has been submitted to the IEEE for possible publication
基于真实世界频谱测量的AI驱动频谱占用预测
专题命中 BEV与占用 ：occupancy(title,abstract)
AI总结 本文提出基于真实世界频谱数据的AI驱动频谱占用预测方法，通过随机森林、XGBoost和LSTM模型，验证了轻量级学习模型在动态频谱共享中的有效性。
Comments 8 pages, 7 figures. This paper is under review at an IEEE conference
VRP-UDF: 向多视图图像中通过体积渲染先验实现无偏的无符号距离函数学习
机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom Wanwei Information Technology Co., Ltd.（中国电信万维信息技术有限公司） ； Kuaishou Technology（快手技术） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
专题命中 BEV与占用 ：occupancy(abstract)；分类 cs.CV
AI总结 VRP-UDF通过引入体积渲染先验，解决多视图图像中无偏学习无符号距离函数的问题，提升表面重建的鲁棒性和可扩展性。
Comments Accepted by TPAMI 2026 and ECCV 2024. Project page: https://wen-yuan-zhang.github.io/VolumeRenderingPriors/ . v1 is the conference version, and v2 is the journal extension version
FlipFlop: 一种基于静态分析的GPU内核能量优化框架
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 FlipFlop通过静态分析预测GPU内核能耗，推荐帕累托最优线程块配置，实现高达79%的能耗节省和106%的吞吐量提升。
无损压缩源代码存储中的能耗吞吐量权衡
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文研究了无损压缩源代码存储中能耗与吞吐量的权衡，通过实验展示了不同压缩配置对资源效率的影响，并提出了可持续存储后端的可行指南。
Comments 8 pages, 5 figures. Camera-ready version for Greenvolve 2026 co-located at IEEE SANER 2026
两阶段在线可重复资源分配：预订、超订与确认电话
专题命中 BEV与占用 ：occupancy(abstract)
AI总结 本文提出了一种两阶段在线资源分配策略，通过解耦安全库存和延迟确认电话，减少超订风险并提高资源利用率。
Comments 65 pages, 14 figures
基于激光雷达的深度强化学习实现无人机群通信自由的集体导航
机构 * Department of Mechanical Engineering, Ulsan National Institute of Science and Technology（机械工程系，釜山国立科学技术研究院） ； Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology（机械工程系，韩国科学技术院）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.AI
AI总结 本文提出一种基于激光雷达的深度强化学习方法，使无人机群在无通信和无外部定位的情况下实现稳健的集体导航。
校正并量化自动驾驶中3D盒标注的系统误差
机构 * Traton Group R&D（特龙集团研发部） ； Mälardalen University（马尔默达伦大学） ； KTH Royal Institute of Technology（皇家理工学院）
专题命中 激光雷达 ：autonomous driving(title)；LiDAR(abstract)；分类 cs.CV
AI总结 本研究提出了一种方法，用于校正和量化自动驾驶中3D盒标注的系统误差，提升标注质量并提高性能评估的准确性。
Comments Accepted to The IEEE/CVF Winter Conference on Applications of Computer Vision 2026
GridNet-HD: 一种高分辨率多模态数据集，用于电力线路基础设施的LiDAR-图像融合
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.CV
AI总结 GridNet-HD是一个高分辨率多模态数据集，用于电力线路基础设施的LiDAR-图像融合，通过融合高密度LiDAR和高分辨率影像提升3D语义分割性能。
R-VoxelMap: 通过递归平面拟合实现高精度体素映射以提升在线激光雷达里程计精度
机构 * College of Artificial Intelligence, Institute of Robotics and Automatic Information System, and the Tianjin Key Laboratory of Intelligent Robotics（人工智能学院、机器人与自动化信息系统研究所以及天津智能机器人重点实验室）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 R-VoxelMap通过递归平面拟合提升在线激光雷达里程计精度，有效解决异常值和平面合并问题，实现高精度体素映射。
超LIO：一种鲁棒且高效的激光雷达-惯性里程计系统，具有紧凑的映射策略
机构 * Department of Mechanical Engineering, East China University of Science and Technology（东华大学机械工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Hong Kong（香港大学）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO
AI总结 Super-LIO通过紧凑的OctVox映射结构和启发式引导的KNN策略，实现了高效的鲁棒LIO系统，显著提升了处理速度和资源利用率。
Comments 8 pages, 5 figures
Journal ref IEEE Robotics and Automation Letters (RA-L), 2026
DALD-PCAC：基于密度适应的学习描述符用于点云无损属性压缩
机构 * City University of Hong Kong（香港城市大学） ； Peking University Shenzhen Graduate School（北京大学深圳研究生院） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校） ； Tencent Media Laboratory（腾讯媒体实验室）
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、eess.IV
AI总结 DALD-PCAC通过密度适应学习描述符和注意力机制，实现点云无损属性压缩的高效压缩与鲁棒性提升。
Comments Accepted by TOMM
CymbaDiff：基于结构化的空间扩散用于基于草图的3D语义城市场景生成
机构 * The University of Western Australia（西澳大学） ； AIML, The University of Adelaide（阿德莱德大学） ； The University of Melbourne（墨尔本大学）
专题命中 仿真评测 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV
AI总结 CymbaDiff通过结构化空间扩散提升基于草图的3D语义城市场景生成的语义一致性与空间真实性。
Comments Accepted by NeurIPS 2025
BikeActions: 一个面向骑行者的VRU动作识别开放平台和基准
机构 * Munich University of Applied Sciences（慕尼黑应用科学大学） ； Intelligent Vehicles Lab (IVL)（智能车辆实验室）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.CV
AI总结 BikeActions通过多模态数据集和开放平台，提升骑行者意图识别的准确性和研究的可扩展性。
Comments This work has been submitted to the IEEE for possible publication
PlannerRFT: 通过闭环和样本高效微调强化扩散规划器
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDrive实验室） ； Meituan（美团） ； Li Auto Inc.（李自动公司）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
AI总结 PlannerRFT通过闭环和样本高效微调提升扩散规划器的多模态轨迹生成能力，实现高效探索与鲁棒性增强。
NeuroShield：一种用于对抗鲁棒性的神经符号框架
机构 * University of Illinois Chicago（伊利诺伊大学香槟分校） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Computer Science（计算机科学系）
专题命中 其他自动驾驶 ：autonomous driving(abstract)
AI总结 NeuroShield通过整合符号规则监督提升深度神经网络的对抗鲁棒性和可解释性，其方法在对抗攻击测试中表现出显著优势。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈