自动驾驶

Easy-Poly: An Easy Polyhedral Framework For 3D Multi-Object Tracking

Easy-Poly: 一种易于使用的多目标跟踪三维多目标跟踪框架

Peng Zhang, Xin Li, Xin Lin, Liang He

机构 * East China Normal University（东华师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 Easy-Poly提出了一种基于过滤的三维多目标跟踪框架，通过四个创新方法提升小目标检测和跟踪精度，实现实时高性能表现。

Comments 8 pages, 4 figures, 6 tables

Hallucinating 360°: Panoramic Street-View Generation via Local Scenes Diffusion and Probabilistic Prompting

生成360°全景图：通过局部场景扩散与概率提示的街道视图生成

Fei Teng, Kai Luo, Sheng Wu, Siyu Li, Pujun Guo, Jiale Wei, Jiaming Zhang, Kunyu Peng, Kailun Yang

机构 * School of Artificial Intelligence and Robotics and the National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（人工智能与机器人学院和机器人视觉感知与控制技术国家工程研究中心，湖南大学） ； Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（人机学与机器人研究所，卡尔斯鲁厄技术大学） 纠错

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

AI总结 本文提出Percep360方法，通过局部场景扩散与概率提示技术，实现自动驾驶中的可控全景图像生成，提升真实场景下的鸟瞰图分割性能。

Comments Accepted to ICRA 2026. The source code will be publicly available at https://github.com/FeiT-FeiTeng/Percep360

Learning Image-based Tree Crown Segmentation from Enhanced Lidar-based Pseudo-labels

从增强的激光雷达伪标签中学习基于图像的树冠分割

Julius Pesonen, Stefan Rua, Josef Taher, Niko Koivumäki, Xiaowei Yu, Eija Honkavaara

机构 * Department of Remote Sensing and Photogrammetry, Finnish Geospatial Research Institute（遥感与摄影测量系，芬兰地理研究机构） ； Department of Computer Science, Aalto University（计算机科学系，阿alto大学） 纠错

专题命中 感知 ：LiDAR(title)；分类 cs.CV

AI总结 本文提出利用增强的激光雷达伪标签训练深度学习模型，实现基于图像的树冠分割，无需人工标注即可获得更优的分割效果。

CP-uniGuard: A Unified, Probability-Agnostic, and Adaptive Framework for Malicious Agent Detection and Defense in Multi-Agent Embodied Perception Systems

CP-uniGuard: 多智能体具身体验系统中恶意代理检测与防御的统一、概率无关和自适应框架

Senkang Hu, Yihang Tao, Guowen Xu, Xinyuan Qian, Yiqin Deng, Xianhao Chen, Sam Tak Wu Kwong, Yuguang Fang

机构 * Hong Kong JC STEM Lab of Smart City and Department of Computer Science, City University of Hong Kong（香港JC STEM实验室及城市大学计算机科学系） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； School of Data Science, Lingnan University（岭南大学数据科学学院） 纠错

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

AI总结 CP-uniGuard通过概率无关的样本共识和自适应阈值，实现多智能体系统中恶意代理的检测与防御。

Comments Accepted by IEEE Transactions on Mobile Computing (TMC)

Robustness of Object Detection of Autonomous Vehicles in Adverse Weather Conditions

自动驾驶车辆在恶劣天气条件下的目标检测鲁棒性

Fox Pettersen, Hong Zhu

机构 * School of Engineering, Computing and Mathematics, Oxford Brookes University（工程、计算与数学学院，奥克斯伯勒斯大学） 纠错

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

AI总结 本文提出了一种评估自动驾驶车辆在恶劣天气条件下目标检测鲁棒性的方法，通过数据增强生成合成数据，测试不同模型在恶劣条件下的表现，发现Faster R-CNN模型鲁棒性最高。

MASAR: Motion-Appearance Synergy Refinement for Joint Detection and Trajectory Forecasting

MASAR: 运动-外观协同细化用于联合检测与轨迹预测

Mohammed Amine Bencheikh Lehocine, Julian Schmidt, Frank Moosmann, Dikshant Gupta, Fabian Flohr

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Munich University of Applied Sciences（慕尼黑应用科学大学） 纠错

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

AI总结 MASAR通过联合编码外观和运动特征，提升自动驾驶中的3D检测与轨迹预测性能，实现超过20%的精度提升。

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

RoadscapesQA: A Multitask, Multimodal Dataset for Visual Question Answering on Indian Roads

RoadscapesQA: 一个用于印度道路视觉问答的多任务、多模态数据集

Vijayasri Iyer, Maahin Rathinagiriswaran, Jyothikamalesh S

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

AI总结 RoadscapesQA数据集通过多任务多模态方法，为印度道路场景的视觉问答提供支持，包含9000张图像及手动标注的边界框，用于提升无结构环境下的视觉场景理解能力。

Constrained PSO Six-Parameter Fuzzy PID Tuning Method for Balanced Optimization of Depth Tracking Performance in Underwater Vehicles

受约束的PSO六参数模糊PID调优方法用于水下车辆深度跟踪性能的平衡优化

Yanxi Ding, Tingyue Jia

机构 * School of Engineering China University of Petroleum-Beijing at Karamay（工程学院中国石油大学（北京）克拉玛依校区） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.RO

AI总结 本文提出一种受约束的PSO六参数模糊PID调优方法，用于提升水下车辆深度跟踪性能，通过优化控制能量和饱和水平，显著降低误差和超调，提高系统响应速度。

Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method

基于新型道路分区和多通道状态表示方法的自适应交通信号控制优化

Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 本文提出基于DQN和PPO的自适应交通信号控制方法，通过可变单元长度和多通道状态表示优化信号时序，提升交通流效率。

X-VORTEX: Spatio-Temporal Contrastive Learning for Wake Vortex Trajectory Forecasting

X-VORTEX：用于尾涡轨迹预测的时空对比学习

Zhan Qu, Michael Färber

机构 * Department of Computer Science, TU Dresden, Dresden, Germany（计算机科学系，德累斯顿技术大学，德累斯顿，德国） 纠错

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

AI总结 X-VORTEX通过时空对比学习方法，利用未标注数据高效预测尾涡轨迹，解决了传感器稀疏性和时间变化涡旋动力学问题。

When Environments Shift: Safe Planning with Generative Priors and Robust Conformal Prediction

当环境变化时：利用生成先验和鲁棒符合预测进行安全规划

Kaizer Rahaman, Jyotirmoy V. Deshmukh, Ashish R. Hota, Lars Lindemann

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

AI总结 本文提出一种在分布偏移下具有鲁棒性的安全规划框架，通过生成先验和鲁棒符合预测方法，提供概率安全保证。

Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking

Eva-Tracker: 无ESDF更新、基于可见性的规划与目标重新获取的稳健空中跟踪

Yue Lin, Yang Liu, Dong Wang, Huchuan Lu

机构 * Dalian University of Technology（大连理工大学） 纠错

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

AI总结 Eva-Tracker通过无ESDF更新和基于可见性的路径规划，实现更稳健的空中目标跟踪，降低计算开销。

Comments Accepted by ICRA 2026

Self-Supervised JEPA-based World Models for LiDAR Occupancy Completion and Forecasting

基于JEPA的世界模型的自监督LiDAR占用完成与预测

Haoran Zhu, Anna Choromanska

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出AD-LiST-JEPA，一种基于JEPA框架的自监督世界模型，用于自动驾驶中通过LiDAR数据预测未来时空演变，并在占用完成与预测任务中验证其有效性。

SteerVLA: Steering Vision-Language-Action Models in Long-Tail Driving Scenarios

SteerVLA：在长尾驾驶场景中引导视觉-语言-动作模型

Tian Gao, Celine Tan, Catherine Glossop, Timothy Gao, Jiankai Sun, Kyle Stachowicz, Shirley Wu, Oier Mees, Dorsa Sadigh, Sergey Levine, Chelsea Finn

机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； Microsoft（微软公司） 纠错

专题命中 端到端驾驶 ：autonomous driving(abstract)；分类 cs.RO

AI总结 SteerVLA通过结合视觉-语言模型的推理能力，生成细粒度语言指令以提升驾驶策略的稳健性和长尾场景下的性能。

Monocular Reconstruction of Neural Tactile Fields

单目神经触觉场重建

Pavan Mantripragada, Siddhanth Deshmukh, Eadom Dessalene, Manas Desai, Yiannis Aloimonos

机构 * Department of Computer Science, University of Maryland, College Park, USA（计算机科学系，马里兰大学，学院 park，美国） 纠错

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

AI总结 本文提出了一种基于单目RGB图像的神经触觉场重建方法，通过交互感知的3D表示提升机器人路径规划能力，实验显示其在3D重建任务中表现优于现有方法。

Comments 10 pages, 8 figures

Image-based investigation of the zebrafish developmental process using in vivo dynamic and multi-contrast optical coherence tomography

基于图像的斑马鱼发育过程研究：利用活体动态和多对比光学相干层析成像

Cunyou Bao, Aiyi Sui, Ibrahim Abd El-Sadek, Rion Morishita, Yu Guo, Shuichi Makita, Makoto Kobayashi, Yoshiaki Yasuno

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究利用活体动态和多对比光学相干层析成像技术，研究斑马鱼发育过程中皮肤条纹、血管及脊髓组织的动态变化与成熟过程。

Fractional Order Federated Learning for Battery Electric Vehicle Energy Consumption Modeling

分数阶联邦学习用于电池电动车辆能耗建模

Mohammad Partohaghighi, Roummel Marcia, Bruce J. West, YangQuan Chen

机构 * Electrical Engineering and Computer Science, University of California at Merced（加州大学默塞德分校电气工程与计算机科学系） ； Department of Applied Mathematics, University of California at Merced（加州大学默塞德分校应用数学系） ； Department of Innovation and Research, North Carolina State University（北卡罗来纳州立大学创新与研究系） ； Mechatronics, Embedded Systems and Automation (MESA) Lab, Department of Mechanical Engineering, School of Engineering, University of California, Merced（加州大学默塞德分校机械工程系机电一体化与嵌入式系统自动化实验室） 纠错

专题命中 BEV与占用 ：BEV(abstract)

AI总结 本文提出分数阶联邦学习方法FO-RI-FedAvg，通过自适应正则化和非整数阶优化提升BEV能耗建模的稳定性与准确性。

Comments This manuscript is under review in IEEE Transactions on Transportation Electrification

R3DPA: Leveraging 3D Representation Alignment and RGB Pretrained Priors for LiDAR Scene Generation

R3DPA：利用3D表示对齐和RGB预训练先验知识进行LiDAR场景生成

Nicolas Sereyjol-Garros, Ellington Kirby, Victor Besnier, Nermin Samet

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

AI总结 R3DPA通过结合3D表示对齐和RGB预训练先验知识，实现LiDAR场景生成的先进性能。

Comments ICRA 2026

LiDAR-Anchored Collaborative Distillation for Robust 2D Representations

基于LiDAR的协同蒸馏用于鲁棒的2D表示

Wonjun Jo, Hyunwoo Ha, Kim Ji-Yeon, Hawook Jeong, Tae-Hyun Oh

机构 * Dept. of Electrical Engineering（电气工程系） ； Dept. of Convergence IT Engineering（融合IT工程系） ； RideFlux Inc.（RideFlux公司） ； School of Computing（计算机学院） 纠错

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

AI总结 本文提出基于LiDAR的协同蒸馏方法，通过自监督提升2D图像编码器在恶劣天气下的鲁棒性，并增强3D感知能力。

The Constant Eye: Benchmarking and Bridging Appearance Robustness in Autonomous Driving

恒定的眼睛：自动驾驶中外观鲁棒性的基准测试与弥合

Jiabao Wang, Hongyu Zhou, Yuanbo Yang, Jiahao Shao, Yiyi Liao

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

AI总结 本文提出navdream基准测试，通过生成像素对齐的风格迁移，评估自动驾驶算法在极端天气等外观变化下的鲁棒性，并提出通用感知接口实现零样本泛化。

ArmGS: Composite Gaussian Appearance Refinement for Modeling Dynamic Urban Environments

ArmGS：复合高斯外观细化用于动态城市环境建模

Guile Wu, Dongfeng Bai, Bingbing Liu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 ArmGS通过复合高斯溅射与多粒度外观细化，提升动态城市环境自动驾驶场景建模的精度与效率。

Comments ICRA 2026

DPUConfig: Optimizing ML Inference in FPGAs Using Reinforcement Learning

DPUConfig: 使用强化学习优化FPGA上的机器学习推理

Alexandros Patras, Spyros Lalis, Christos D. Antonopoulos, Nikolaos Bellas

专题命中 仿真评测 ：autonomous driving(abstract)

AI总结 DPUConfig通过强化学习动态优化FPGA上的机器学习推理配置，提升能效和性能。

Comments 8 pages, 6 figures, to appear in the proceedings of DATE 2026