视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2026-02-04 至 2026-02-04 共收录 4 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 感知 4 篇

2602.02858 2026-02-04 cs.RO cs.LG cs.MA cs.NI cs.SY eess.SY 70%

IMAGINE: Intelligent Multi-Agent Godot-based Indoor Networked Exploration

IMAGINE: 基于 Godot 的智能多智能体室内网络探索

Tiago Leite, Maria Conceição, António Grilo

机构 * Institute for Systems and Robotics（系统研究所）

专题命中感知：LiDAR(abstract)；occupancy(abstract)；分类 cs.RO

AI总结本文提出基于Godot的多智能体强化学习方法，用于解决室内未知环境中的自主协作探索问题，通过高保真模拟和课程学习提升训练效率与鲁棒性。

Comments 12 pages, submitted to a journal

2602.03064 2026-02-04 cs.CV cs.AI 62%

JRDB-Pose3D: A Multi-person 3D Human Pose and Shape Estimation Dataset for Robotics

JRDB-Pose3D: 一个多人群3D人体姿态和形状估计数据集用于机器人

Sandika Biswas, Kian Izadpanah, Hamid Rezatofighi

机构 * Monash University（莫纳什大学）； Sharif University（沙里夫大学）

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

AI总结 JRDB-Pose3D数据集通过移动机器人平台捕捉多人群的室内外环境，提供丰富的3D人体姿态和形状注释，用于机器人感知和人机交互等应用。

2503.12968 2026-02-04 cs.CV cs.RO 62%

OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering

OptiPMB：通过优化的泊松多伯努利滤波增强3D多目标跟踪

Guanhua Ding, Yuxuan Xia, Runwei Guan, Qinchen Wu, Tao Huang, Weiping Ding, Jinping Sun, Guoqiang Mao

机构 * School of Electronic Information Engineering, Beihang University（电子信息工程学院，北京航空航天大学）； School of Automation and Intelligent Sensing, Shanghai Jiaotong University（自动化与智能感知学院，上海交通大学）； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科技大学）； College of Science and Engineering, James Cook University（科学与工程学院，詹姆斯库克大学）； School of Artificial Intelligence and Computer Science, Nantong University（人工智能与计算机科学学院，南通大学）； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学）； Research Laboratory of Smart Driving and Intelligent Transportation Systems, Southeast University（智能驾驶与智能交通系统研究实验室，东南大学）

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

AI总结 OptiPMB通过优化的泊松多伯努利滤波器和创新设计提升3D多目标跟踪的准确性与性能

2602.03472 2026-02-04 cs.CV 57%

Inlier-Centric Post-Training Quantization for Object Detection Models

以内点为中心的后训练量化方法用于目标检测模型

Minsu Kim, Dongyeun Lee, Jaemyung Yu, Jiwan Hur, Giseop Kim, Junmo Kim

机构 * KAIST（韩国科学技术院）； NAVER AI Lab.（NAVER人工智能实验室）； DGIST（韩国科学技术院）

专题命中感知：LiDAR(abstract)；分类 cs.CV

AI总结 InlierQ通过梯度感知的体积显著性分数分离异常和信息性内点，实现目标检测模型的高效量化。