自动驾驶

OmniHD-Scenes: A Next-Generation Multimodal Dataset for Autonomous Driving

OmniHD-Scenes：面向自动驾驶的下一代多模态数据集

Lianqing Zheng, Long Yang, Qunshu Lin, Wenjin Ai, Minghao Liu, Shouyi Lu, Jianan Liu, Hongze Ren, Jingyue Mo, Xiaokai Bai, Jie Bai, Zhixiong Ma, Xichan Zhu

机构 * School of Automotive Studies, Tongji University（同济大学汽车学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； AI Foundation（2077AI基金会） ； Momoni AI ； 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） 纠错

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

AI总结 OmniHD-Scenes提出了一种大规模多模态数据集，结合多种传感器数据，用于提升自动驾驶的3D检测和语义预测性能。

Comments Accepted by IEEE TPAMI

ALIGN: Advanced Query Initialization with LiDAR-Image Guidance for Occlusion-Robust 3D Object Detection

ALIGN: 基于LiDAR-图像引导的高级查询初始化方法用于遮挡鲁棒的3D目标检测

Janghyun Baek, Mincheol Chang, Seokha Moon, Seung Joon Lee, Jinkyu Kim

机构 * Computer Scienece and Engineering, Korea University（韩国大学计算机科学与工程系） ； CTO Devision, LG Innotek（LG Innotek首席技术官部门） 纠错

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

AI总结 ALIGN通过结合LiDAR和图像信息，改进查询初始化方法，提升遮挡环境下3D目标检测的准确性和效率。

Comments 12 pages, 6 figures

Chamelion: Reliable Change Detection for Long-Term LiDAR Mapping in Transient Environments

Chamelion：在瞬态环境中实现长期LiDAR映射的可靠变化检测

Seoyeon Jang, Alex Junho Lee, I Made Aswin Nahrendra, Hyun Myung

机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院） ； Department of Electrical Mechanical Systems Engineering, Sookmyung Women’s University（成均馆女子大学电气机械系统工程系） ； KRAFTON 纠错

专题命中 感知 ：LiDAR(title)；分类 cs.RO、cs.CV

AI总结 Chamelion通过双头网络实现在线变化检测和长期LiDAR地图维护，利用数据增强策略提升在瞬态环境中的地图更新效率与准确性。

Comments 8 pages, IEEE Robot. Automat. Lett. (RA-L) 2026

CoBEVMoE: Heterogeneity-aware Feature Fusion with Dynamic Mixture-of-Experts for Collaborative Perception

CoBEVMoE：基于动态专家混合的异质性感知特征融合

Lingzhao Kong, Jiacheng Lin, Siyu Li, Kai Luo, Zhiyong Li, Kailun Yang

机构 * School of Computer Science and Electronic Engineering, Hunan University（计算机科学与电子工程学院，湖南大学） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； 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 感知 ：BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV、eess.IV

AI总结 CoBEVMoE通过动态混合专家架构实现多智能体协作感知中的异质性特征融合，提升感知精度与性能。

Comments Accepted to ICRA 2026. The source code will be made publicly available at https://github.com/godk0509/CoBEVMoE

Adversarial Wear and Tear: Exploiting Natural Damage for Generating Physical-World Adversarial Examples

对抗性磨损：利用自然损坏生成物理世界对抗性示例

Samra Irshad, Seungkyu Lee, Nassir Navab, Hong Joo Lee, Seong Tae Kim

机构 * Department of Computer Science and Engineering, Kyung Hee University（计算机科学与工程系，庆熙大学） ； Technical University of Munich（慕尼黑技术大学） ； Seoul National University of Science and Technology（首尔科学理工大学） ； G-LAMP NEXUS Institute, Kyung Hee University（G-LAMP NEXUS研究所，庆熙大学） 纠错

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

AI总结 本文提出AdvWT，通过模拟自然磨损生成更真实有效的物理世界对抗性示例，提升深度神经网络在现实环境中的鲁棒性。

Comments Accepted to IEEE Transactions in Secure and Dependable Computing. This version corresponds to the author's accepted manuscript

Neural Sentinel: Unified Vision Language Model (VLM) for License Plate Recognition with Human-in-the-Loop Continual Learning

神经哨兵：用于车牌识别的统一视觉语言模型（VLM）与人类在循环持续学习

Karthik Sivakoti

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

AI总结 Neural Sentinel利用视觉语言模型实现车牌识别与多任务学习，提升准确率并减少系统复杂性。

Temperature Scaling Attack Disrupting Model Confidence in Federated Learning

温度缩放攻击破坏联邦学习中的模型置信度

Kichang Lee, Jaeho Jin, JaeYeon Park, Songkuk Kim, JeongGil Ko

机构 * College of Computing, Yonsei University（延世大学计算机学院） ； Department of Mobile Systems Engineering, Dankook University（Dankook大学移动系统工程系） 纠错

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

AI总结 温度缩放攻击通过破坏联邦学习中的模型置信度，显著降低校准性同时保持准确率，揭示了校准完整性作为关键攻击面的重要性。

Comments 20 pages, 20 figures

CHAI: Command Hijacking against embodied AI

CHAI：针对具身AI的命令劫持

Luis Burbano, Diego Ortiz, Qi Sun, Siwei Yang, Haoqin Tu, Cihang Xie, Yinzhi Cao, Alvaro A Cardenas

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 CHAI是一种针对具身AI的物理环境间接提示注入攻击，通过嵌入误导性自然语言指令，利用多模态语言解释能力，有效提升了攻击性能，凸显了对传统对抗鲁棒性之外的防御需求。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore

Three-qubit encoding in ytterbium-171 atoms for simulating 1+1D QCD

在ytterbium-171原子中进行三量子比特编码以模拟1+1维QCD

William Huie, Cianan Conefrey-Shinozaki, Zhubing Jia, Patrick Draper, Jacob P. Covey

专题命中 感知 ：occupancy(abstract)

AI总结 通过在ytterbium-171原子中编码三个量子比特，实现对1+1维QCD的高效模拟，展示了该方法在真空持续振荡和弦断裂模拟中的应用。

Comments W.H. and C.C.S. contributed equally to this work

Journal ref PRX Quantum 7, 010327 (2026)

Beyond Crash: Hijacking Your Autonomous Vehicle for Fun and Profit

超越事故：为娱乐和利润劫持你的自动驾驶汽车

Qi Sun, Ahmed Abdo, Luis Burbano, Ziyang Li, Yaxing Yao, Alvaro Cardenas, Yinzhi Cao

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） 纠错

专题命中 感知 ：end-to-end driving(abstract)

AI总结 本文提出JackZebra框架，通过物理可行的攻击车辆实现对自动驾驶车辆的路线劫持，以实现长期路线完整性妥协。

Collision Risk Estimation via Loss Prediction in End-to-End Autonomous Driving

通过碰撞损失预测进行端到端自动驾驶中的碰撞风险估计

Ziliang Xiong, Shipeng Liu, Nathaniel Helgesen, Hongwei Li, Joakim Johnander, Per-Erik Forssen

机构 * Zenseact（Zenseact公司） ； Department of Biomedical Engineering and Department of Diagnostic Radiology, National University of Singapore（生物医学工程系和诊断放射学系，新加坡国立大学） 纠错

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

AI总结 通过预测碰撞损失来估计碰撞风险，提升端到端自动驾驶的安全性。

Integrating Specialized and Generic Agent Motion Prediction with Dynamic Occupancy Grid Maps

融合专用与通用智能体运动预测的动态占用网格地图

Rabbia Asghar, Lukas Rummelhard, Wenqian Liu, Anne Spalanzani, Christian Laugier

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

AI总结 本文提出融合专用与通用智能体运动预测的动态占用网格地图框架，通过定制损失函数实现稳健的运动预测，提升复杂场景中动态实体的预测性能。

Comments Updated version with major revisions; currently under the second round of review at IEEE Transactions on Intelligent Vehicles

Driving with DINO: Vision Foundation Features as a Unified Bridge for Sim-to-Real Generation in Autonomous Driving

驾驶用DINO：作为自动驾驶仿真到现实生成的统一桥梁的视觉基础特征

Xuyang Chen, Conglang Zhang, Chuanheng Fu, Zihao Yang, Kaixuan Zhou, Yizhi Zhang, Jianan He, Yanfeng Zhang, Mingwei Sun, Zengmao Wang, Zhen Dong, Xiaoxiao Long, Liqiu Meng

机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Hilbert Research Center（华为希利伯特研究中心） ； Huawei Riemann Lab（华为里曼实验室） ； Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） 纠错

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

AI总结 DwD通过利用视觉基础模块特征作为统一桥梁，解决自动驾驶仿真到现实生成中的现实性与真实性困境，提升控制精度与时间稳定性。

Comments Project website https://albertchen98.github.io/DwD-project/

Autonomous Manipulation of Hazardous Chemicals and Delicate Objects in a Self-Driving Laboratory: A Sliding Mode Approach

在自动驾驶实验室中实现危险化学品和精密物体的自主操作：一种滑模方法

Shifa Sulaiman, Francesco Schetter, Tobias Jensen, Simon Bøgh, Fanny Ficuciello

机构 * Department of Electronic Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, University of Naples（信息科技与电气工程系，那不勒斯大学） 纠错

专题命中 规划控制 ：self-driving(title,abstract)；分类 cs.RO

AI总结 本研究提出基于模型的滑模控制方法，用于在自动驾驶实验室中实现危险化学品和精密物体的自主操作，验证了其在提高运动平滑度和精度方面的有效性。

Admittance-Based Motion Planning with Vision-Guided Initialization for Robotic Manipulators in Self-Driving Laboratories

基于阻抗的运动规划与视觉引导初始化用于自动驾驶实验室中的机械臂

Shifa Sulaiman, Tobias Jensen, Francesco Schetter, Simon Bøgh

机构 * Department of Electronics Systems, Aalborg University（电子系统系，奥尔堡大学） ； Department of Information Technology and Electrical Engineering, Università degli Studi di Napoli Federico II（信息科技与电气工程系，那不勒斯费迪里奇二世大学） 纠错

专题命中 规划控制 ：self-driving(title)；分类 cs.RO

AI总结 本文提出了一种基于阻抗控制的运动规划方法，结合视觉引导初始化，实现机械臂在自动驾驶实验室中的自适应和安全操作。

A Generic Service-Oriented Function Offloading Framework for Connected Automated Vehicles

面向连接自动化车辆的通用服务导向功能卸载框架

Robin Dehler, Michael Buchholz

机构 * Institute of Measurement, Control and Microtechnology, Ulm University（测量、控制与微技术研究所，乌尔姆大学） 纠错

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

AI总结 本文提出了一种面向连接自动化车辆的通用服务导向功能卸载框架，通过基于位置的策略实现任务卸载，提升计算效率并保证服务质量。

Comments 8 pages, 6 figures, 2 tables, published in RA-L

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 5, May 2025)

Robustness Is a Function, Not a Number: A Factorized Comprehensive Study of OOD Robustness in Vision-Based Driving

鲁棒性是一种函数，而不是一个数字：对基于视觉的驾驶OOD鲁棒性进行因素化的综合研究

Amir Mallak, Alaa Maalouf

机构 * University of Haifa（海法大学） 纠错

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

AI总结 本文研究了基于视觉的驾驶OOD鲁棒性，通过因素分解发现ViT策略比CNN更鲁棒，季节和时间变化显著影响性能，FM特征在延迟成本下表现最佳，多环境训练能提升弱案例表现。

Modeling 3D Pedestrian-Vehicle Interactions for Vehicle-Conditioned Pose Forecasting

为车辆条件化姿态预测建模的行人-车辆交互

Guangxun Zhu, Xuan Liu, Nicolas Pugeault, Chongfeng Wei, Edmond S. L. Ho

机构 * School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学） ； James Watt School of Engineering, University of Glasgow（詹姆斯·瓦特工程学院，格拉斯哥大学） 纠错

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

AI总结 本文提出了一种基于3D车辆条件化的行人姿态预测方法，通过融合车辆信息提升自动驾驶中行人-车辆交互的预测精度。

Comments Accepted for IEEE International Conference on Robotics and Automation (ICRA) 2026

Nimbus: A Unified Embodied Synthetic Data Generation Framework

Nimbus：一个统一的具身合成数据生成框架

Zeyu He, Yuchang Zhang, Yuanzhen Zhou, Miao Tao, Hengjie Li, Hui Wang, Yang Tian, Jia Zeng, Tai Wang, Wenzhe Cai, Yilun Chen, Ning Gao, Jiangmiao Pang

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

AI总结 Nimbus通过统一的四层架构和解耦执行模型，提升合成数据生成的吞吐量和稳定性，支持大规模分布式环境下的持续高吞吐数据生成。

Steerable Adversarial Scenario Generation through Test-Time Preference Alignment

通过测试时间偏好对齐的可操控对抗场景生成

Tong Nie, Yuewen Mei, Yihong Tang, Junlin He, Jie Sun, Haotian Shi, Wei Ma, Jian Sun

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） 纠错

专题命中 规划控制 ：autonomous driving(abstract)；分类 cs.AI

AI总结 SAGE通过测试时间偏好对齐实现对抗性场景生成的可控权衡，提升自动驾驶系统安全性评估效率。

Comments ICLR 2026

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

Assessing Projected Quantum Kernels for the Classification of IoT Data

评估用于物联网数据分类的投影量子核

Francesco D'Amore, Luca Mariani, Carlo Mastroianni, Francesco Plastina, Luca Salatino, Jacopo Settino, Andrea Vinci

专题命中 规划控制 ：occupancy(abstract)

AI总结 本文提出利用投影量子核对物联网数据进行分类，通过比较PQK与经典方法，验证了其在量子编码中的有效性。

Journal ref Array Volume 29, March 2026, 100695

EgoFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving

EgoFSD：面向端到端自动驾驶的以自我为中心的完全稀疏范式，结合不确定性去噪和迭代细化

Haisheng Su, Wei Wu, Zhenjie Yang, Isabel Guan

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； SenseAuto ； The Hong Kong University of Science and Technology（香港理工大学） 纠错

专题命中 端到端驾驶 ：self-driving(title,abstract)；autonomous driving(abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV

AI总结 EgoFSD通过引入稀疏感知、分层交互和迭代运动规划，提升端到端自动驾驶的效率和性能，减少误差和碰撞，提高训练稳定性。

Comments Accepted to ICRA2026

Addressing the Waypoint-Action Gap in End-to-End Autonomous Driving via Vehicle Motion Models

通过车辆运动模型弥合路径点-动作差距以实现端到端自动驾驶

Jorge Daniel Rodríguez-Vidal, Gabriel Villalonga, Diego Porres, Antonio M. López Peña

机构 * Computer Vision Center (CVC)（计算机视觉中心） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出一种可微车辆模型框架，通过在路径点空间中监督，使基于动作的架构能够在基于路径点的基准中进行训练和评估，从而弥合路径点-动作差距并提升自动驾驶性能。

Comments 8 pages, 3 figures

RAP: 3D Rasterization Augmented End-to-End Planning

RAP: 3D 像素化增强端到端规划

Lan Feng, Yang Gao, Eloi Zablocki, Quanyi Li, Wuyang Li, Sichao Liu, Matthieu Cord, Alexandre Alahi

机构 * EPFL（苏黎世联邦理工学院） ； Sorbonne Université（索邦大学） 纠错

专题命中 端到端驾驶 ：end-to-end driving(abstract)；分类 cs.RO、cs.CV

AI总结 RAP通过3D像素化增强端到端规划，利用轻量级像素化和特征对齐实现可扩展的数据增强，提升闭环鲁棒性和长尾泛化能力。

Vision-Centric 4D Occupancy Forecasting and Planning via Implicit Residual World Models

基于隐式残差世界模型的视觉导向4D占用预测与规划

Jianbiao Mei, Yu Yang, Xuemeng Yang, Licheng Wen, Jiajun Lv, Botian Shi, Yong Liu

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；BEV(abstract)；trajectory planning(abstract)

AI总结 本文提出IR-WM，通过隐式残差世界模型提升自动驾驶中的4D占用预测与轨迹规划精度。

Comments ICRA 2026

ForecastOcc: Vision-based Semantic Occupancy Forecasting

ForecastOcc: 基于视觉的语义占用预测

Riya Mohan, Juana Valeria Hurtado, Rohit Mohan, Abhinav Valada

机构 * Department of Computer Science, University of Freiburg（计算机科学系，弗赖堡大学） 纠错

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

AI总结 ForecastOcc 是首个基于视觉的语义占用预测框架，通过联合预测未来占用状态和语义类别，提升自动驾驶环境感知能力。

Squeezing-enhanced dual-channel interference for ground-state cooling of a levitated micromagnet with low quality factor

增强的双通道干涉用于低品质因子悬浮微磁体的地面态冷却

Lei Chen, Zhe-qi Yang, Liang Bin, Zhi-Rong Zhong

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究提出一种基于 squeezing 增强量子干涉的双通道冷却方案，通过同时抑制加热散射和增强冷却散射，将实现地面态冷却所需的 Q_c 减少三个数量级，显著提高冷却效率。

A modified Lindblad equation for a Rabi driven electron-spin qubit with tunneling to a Markovian lead

一种用于受驱动的电子自旋量子比特与马尔可夫导体隧穿的修正利普兰德方程

Emily Townsend, Joshua Pomeroy, Garnett W. Bryant

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文提出了一种修正的利普兰德方程，用于描述受驱动电子自旋量子比特与马尔可夫导体隧穿的动态行为，并通过跃迁算子揭示了其在复杂系统中的应用潜力。

Comments Supplemental info includes the files: LindbladSubstitutionScriptForPub.m (matlab script), LindbladSubstitutions.tex (output of previous), ThereAndBackAgainForPub.m (matlab script), ThereAndBackWRabi.pdf (output of previous). To access Supplemental Info, click on "TeX Source" under "Access Paper". Minor changes, updated figure

SuperiorGAT: Graph Attention Networks for Sparse LiDAR Point Cloud Reconstruction in Autonomous Systems

SuperiorGAT：用于自动驾驶系统中稀疏LiDAR点云重建的图注意力网络

Khalfalla Awedat, Mohamed Abidalrekab, Gurcan Comert, Mustafa Ayad

机构 * Electrical and Computer Engineering, Portland State University（电气与计算机工程系，波特兰州立大学） ； Computational Data Science and Engineering Department, North Carolina A&T State University（计算数据科学与工程系，北卡罗来纳A&T州立大学） ； Electrical and Computer Engineering Department, SUNY Oswego（电气与计算机工程系，SUNY奥威戈） 纠错

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

AI总结 SuperiorGAT通过图注意力网络重构稀疏LiDAR点云中的缺失海拔信息，实现更精确的重建与几何一致性，无需增加网络深度或额外硬件。

Forest canopy height estimation from satellite RGB imagery using large-scale airborne LiDAR-derived training data and monocular depth estimation

利用大范围航空激光雷达衍生的训练数据和单目深度估计进行森林冠高估计

Yongkang Lai, Xihan Mu, Dasheng Fan, Donghui Xie, Shanxin Guo, Wenli Huang, Tianjie Zhao, Guangjian Yan

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

AI总结 本研究利用航空激光雷达数据训练单目深度估计模型，实现从卫星RGB影像高精度估计森林冠高。