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。

2026-02-20 至 2026-02-20 共收录 3 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 感知 3 篇

2602.17586 2026-02-20 cs.RO cs.AI cs.LG 76%

Conditional Flow Matching for Continuous Anomaly Detection in Autonomous Driving on a Manifold-Aware Spectral Space

基于流匹配的连续异常检测：面向自动驾驶的流形感知频谱空间

Antonio Guillen-Perez

机构 * Independent Researcher（独立研究者）

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

AI总结 Deep-Flow通过流匹配技术在频谱空间中实现连续异常检测，利用运动学平滑性和低秩流形约束，提升自动驾驶安全验证的准确性与可靠性。

2602.17252 2026-02-20 cs.CV cs.SY eess.IV eess.SY 62%

A Multi-modal Detection System for Infrastructure-based Freight Signal Priority

基于基础设施的货运信号优先的多模态检测系统

Ziyan Zhang, Chuheng Wei, Xuanpeng Zhao, Siyan Li, Will Snyder, Mike Stas, Peng Hao, Kanok Boriboonsomsin, Guoyuan Wu

专题命中感知：LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结本文提出了一种基于激光雷达和摄像头的多模态货运车辆检测系统，通过混合传感架构和卡尔曼滤波实现稳定实时性能，用于支持基于基础设施的货运信号优先应用。

Comments 12 pages, 15 figures. Accepted at ICTD 2026. Final version to appear in ASCE Proceedings

2602.17068 2026-02-20 cs.LG cs.SY eess.SY 50%

Spatio-temporal dual-stage hypergraph MARL for human-centric multimodal corridor traffic signal control

时空双阶段超图多智能体强化学习用于以人为中心的多模式走廊交通信号控制

Xiaocai Zhang, Neema Nassir, Milad Haghani

机构 * Department of Infrastructure Engineering, Faculty of Engineering and Information Technology, The University of Melbourne, VIC 3010, Australia（工程与信息技术学院基础设施工程系，墨尔本大学）

专题命中感知：occupancy(abstract)

AI总结本文提出STDSH-MARL方法，通过时空双阶段超图注意力机制和混合动作空间，提升走廊交通信号对多模式旅行者和公共交通的适应性与优先级。