自动驾驶

AurigaNet: A Real-Time Multi-Task Network for Enhanced Urban Driving Perception

AurigaNet: 一种用于增强城市驾驶感知的实时多任务网络

Kiarash Ghasemzadeh, Sedigheh Dehghani

机构 * University of Alberta（阿尔伯塔大学） ； Shahid Beheshti University（沙希德·贝赫什提大学） 纠错

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

AI总结 AurigaNet通过端到端实例分割提升自动驾驶感知性能，实现高精度的可驾驶区域分割、车道检测和目标识别。

From Steering to Pedalling: Do Autonomous Driving VLMs Generalize to Cyclist-Assistive Spatial Perception and Planning?

从转向到踩踏：自动驾驶VLMs是否能泛化到骑行辅助的空间感知与规划？

Krishna Kanth Nakka, Vedasri Nakka

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

AI总结 本文提出CyclingVQA基准，评估自动驾驶VLMs在骑行辅助场景中的感知与推理能力，发现现有模型在骑行特定交通提示理解上存在不足，需进一步改进。

Comments Preprint

AD$^2$: Analysis and Detection of Adversarial Threats in Visual Perception for End-to-End Autonomous Driving Systems

AD$^2$：面向端到端自动驾驶系统的视觉感知中对抗威胁的分析与检测

Ishan Sahu, Somnath Hazra, Somak Aditya, Soumyajit Dey

机构 * Indian Institute of Technology Kharagpur（印度理工学院卡里格普尔分校） ； TCS Research, India（印度塔塔咨询公司研究） 纠错

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

AI总结 AD$^2$通过基于注意力机制的轻量级模型，检测端到端自动驾驶系统中由物理模糊、电磁干扰和数字攻击引起的对抗威胁，提升系统安全性。

Comments Accepted to WACV 2026

Towards Learning a Generalizable 3D Scene Representation from 2D Observations

从2D观测向量学习通用的3D场景表示

Martin Gromniak, Jan-Gerrit Habekost, Sebastian Kamp, Sven Magg, Stefan Wermter

机构 * University of Hamburg - Department of Informatics（汉堡大学信息学院） ； ZAL Center of Applied Aeronautical Research（应用航空研究中心） ； Hamburger Informatik Technologie-Center e.V. (HITeC)（汉堡信息科技中心（HITeC）） 纠错

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

AI总结 本文提出了一种通用神经辐射场方法，通过第一人称机器人观测学习3D场景表示，实现了对未见场景的泛化能力，并在真实场景中验证了其高精度的3D重建性能。

Comments Paper accepted at ESANN 2026

Robust Vision Systems for Connected and Autonomous Vehicles: Security Challenges and Attack Vectors

连接与自动驾驶车辆的稳健视觉系统：安全挑战与攻击向量

Sandeep Gupta, Roberto Passerone

机构 * Centre for Secure Information Technologies (CSIT), Queen's University Belfast, UK（安全信息科技中心（CSIT），女王大学贝尔法斯特，英国） ； Department of Information Engineering and Computer Science, University of Trento, Italy（信息工程与计算机科学系，特伦托大学，意大利） 纠错

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

AI总结 本文研究了连接与自动驾驶车辆中视觉系统的鲁棒性，分析了关键传感器和组件，识别潜在攻击面并评估其对CIA原则的影响。

Comments Submitted to IEEE Transactions on Intelligent Vehicles

H2OFlow: Grounding Human-Object Affordances with 3D Generative Models and Dense Diffused Flows

H2OFlow: 通过3D生成模型和密集扩散流接地人类-物体 affordances

Harry Zhang, Luca Carlone

机构 * MIT（麻省理工学院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 H2OFlow通过3D生成模型和密集扩散流学习人类-物体交互的3D affordances，无需人工标注，有效泛化至现实物体。

Chernoff Information Bottleneck for Covert Quantum Target Sensing

Chernoff 信息瓶颈用于隐蔽量子目标感知

Giuseppe Ortolano, Ivano Ruo-Berchera, Leonardo Banchi

专题命中 感知 ：LiDAR(abstract)

AI总结 本文提出基于Chernoff信息瓶颈原理的框架，展示纠缠光子探测器在隐蔽目标感知中的优势，为提升LiDAR和雷达的隐蔽性能提供新方法。