自动驾驶

Through the Perspective of LiDAR: A Feature-Enriched and Uncertainty-Aware Annotation Pipeline for Terrestrial Point Cloud Segmentation

通过LiDAR视角：一种特征丰富且不确定性感知的标注流程用于陆地点云分割

Fei Zhang, Rob Chancia, Josie Clapp, Amirhossein Hassanzadeh, Dimah Dera, Richard MacKenzie, Jan van Aardt

机构 * Chester F. Carlson Center for Imaging Science, Rochester Institute of Technology, Rochester, NY, USA（切斯特·F·卡尔森成像科学中心，罗切斯特理工学院，罗切斯特，纽约州，美国） 纠错

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

AI总结 本文提出一种半自动标注流程，通过球面投影和特征丰富技术提升陆地点云分割的效率与精度，构建了Mangrove3D数据集并验证了特征重要性，为生态监测提供高质量分割方案。

Comments 40 pages (28 main text), 20 figures, 4 supplementary materials; links to 3D point animations are included in the last table

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

生成对抗事件：一种运动感知点云框架

Hongwei Ren, Youxin Jiang, Qifei Gu, Xiangqian Wu

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

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

AI总结 本文提出MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。

Overview and Comparison of AVS Point Cloud Compression Standard

AVS点云压缩标准的概述与比较

Wei Gao, Wenxu Gao, Xingming Mu, Changhao Peng, Ge Li

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.CV

AI总结 本文概述并比较了AVS点云压缩标准，分析了其相关技术和性能表现。

Comments 3 figures, 3 tables

Journal ref APSIPA Transactions on Signal and Information Processing, vol. 14, no. 2, pp.1-33, 2025

GaussianCaR: Gaussian Splatting for Efficient Camera-Radar Fusion

GaussianCaR: 基于高斯点云的高效相机-雷达融合

Santiago Montiel-Marín, Miguel Antunes-García, Fabio Sánchez-García, Angel Llamazares, Holger Caesar, Luis M. Bergasa

机构 * Department of Electronics. University of Alcalá, Spain.（电子系，阿尔卡拉大学，西班牙） ； Department of Cognitive Robotics. Delft University of Technology, The Netherlands.（认知机器人系，代尔夫特理工大学，荷兰） 纠错

专题命中 多传感器融合 ：BEV(abstract)；分类 cs.RO

AI总结 GaussianCaR通过高斯点云实现高效相机-雷达融合，提升自动驾驶中动态物体和地图元素的感知精度与效率。

Comments 8 pages, 6 figures. Accepted to IEEE ICRA 2026

Analyzing the Impact of Simulation Fidelity on the Evaluation of Autonomous Driving Motion Control

分析仿真保真度对自动驾驶运动控制评估的影响

Simon Sagmeister, Panagiotis Kounatidis, Sven Goblirsch, Markus Lienkamp

机构 * Technical University of Munich（慕尼黑技术大学） ； School of Engineering & Design（工程与设计学院） ； Department of Mobility Systems Engineering（移动系统工程系） ； Institute of Automotive Technology（汽车技术研究所） 纠错

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

AI总结 本文研究了仿真保真度对自动驾驶运动控制评估的影响，通过不同保真的车辆模型仿真，分析了控制算法在不同应用中的可简化程度。

Comments Accepted for publication at the IEEE IV 2024

CARLA2Real: a tool for reducing the sim2real appearance gap in CARLA simulator

CARLA2Real: 一种用于减少CARLA模拟器中仿真到现实外观差距的工具

Stefanos Pasios, Nikos Nikolaidis

机构 * School of Informatics, Aristotle University of Thessaloniki（信息学院，亚里士多德大学） 纠错

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

AI总结 CARLA2Real通过提升仿真数据的真实感，减少仿真到现实的外观差距，生成高质量合成数据用于自动驾驶研究。

Comments 22 pages

Journal ref IEEE Transactions on Intelligent Transportation Systems (2025)

Einstein Fields: A Neural Perspective To Computational General Relativity

爱因斯坦场：从计算广义相对论的角度看神经网络

Sandeep Suresh Cranganore, Andrei Bodnar, Arturs Berzins, Johannes Brandstetter

机构 * LIT AI Lab, Institute for Machine Learning, JKU Linz, Austria（LIT AI实验室，机器学习研究所，JKU林茨，奥地利） ； University of Manchester, United Kingdom（曼彻斯特大学，英国） ； Emmi AI GmbH, Linz, Austria（Emmi AI GmbH，林茨，奥地利） 纠错

专题命中 仿真评测 ：occupancy(abstract)

AI总结 爱因斯坦场通过神经网络方法实现四维时空的高效建模，提升计算效率和精度，推动数值相对论的发展。

Comments Accepted at ICLR 2026: 64 pages, 23 figures, 14 Tables, Github: https://github.com/AndreiB137/EinFields, added (i) EinFields applied to Oscillating neutron star NR simulation using Fixed Mesh Refinement (FMR) for four refinement levels from EinsteinToolkit, (ii) Jit-based query speeds of EinFields and its derivative over 17 Million simulation grid points, (iii) Bianchi Identity values

Journal ref The Fourteenth International Conference on Learning Representations 2026

Head-to-Head autonomous racing at the limits of handling in the A2RL challenge

极限操控下的头对头自动驾驶赛车挑战

Simon Hoffmann, Simon Sagmeister, Tobias Betz, Joscha Bongard, Sascha Büttner, Dominic Ebner, Daniel Esser, Georg Jank, Sven Goblirsch, Alexander Langmann, Maximilian Leitenstern, Levent Ögretmen, Phillip Pitschi, Ann-Kathrin Schwehn, Cornelius Schröder, Marcel Weinmann, Frederik Werner, Boris Lohmann, Johannes Betz, Markus Lienkamp

机构 * Institute of Automotive Technology, TUM（汽车技术研究所，慕尼黑技术大学） ； Chair of Automatic Control, TUM（自动控制教授座，慕尼黑技术大学） ； Professorship Autonomous Vehicle Systems, TUM（自主车辆系统教授职位，慕尼黑技术大学） 纠错

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

AI总结 TUM团队通过模拟人类驾驶行为，在极限操控下开发算法赢得A2RL赛事，提升自动驾驶技术与道路安全。

Comments Submitted to Science Robotics for possible publication

MARC: Memory-Augmented RL Token Compression for Efficient Video Understanding

MARC: 用于高效视频理解的记忆增强强化学习令牌压缩

Peiran Wu, Zhuorui Yu, Yunze Liu, Chi-Hao Wu, Enmin Zhou, Junxiao Shen

机构 * University of Bristol（布里斯托大学） ； Memories.ai Research（Memories.ai研究） 纠错

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

AI总结 MARC通过结合结构化检索和强化学习知识蒸馏，实现高效视频理解，显著减少视觉令牌、GPU内存和延迟。

Comments Accepted at ICLR 2026

Sequential versus Manifold Bayesian Optimization under Realistic Experimental Time Constraints

顺序与流形贝叶斯优化在现实实验时间约束下的比较

Boris Slautin, Sergei Kalinin

专题命中 其他自动驾驶 ：self-driving(abstract)

AI总结 本文提出了一种时间感知框架，用于在现实实验时间约束下比较顺序与流形贝叶斯优化，揭示了不同优化策略在不同实验条件下的最优性。

Comments 17 pages, 5 figures