自动驾驶

Multi-Modal Traffic Sign Detection with Semantic Attributes for Autonomous Driving

面向自动驾驶的结合语义属性的多模态交通标志检测

Meda Lazar, Sourab Sridhar, Shashwata Gupta, Alexandra Tripcea, Varun Ravi, Senthil Yogamani

机构 * Arriver System Software S.r.l.（Arriver系统软件有限责任公司） ； Qualcomm Auto Ltd Sweden Filial（高通汽车有限公司瑞典分公司） ； Qualcomm Auto Ltd.（高通汽车有限公司） ； Qualcomm Technologies, Inc（高通技术公司） 纠错

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

AI总结 针对自动驾驶中交通标志检测的跨区域泛化差、远距离小目标检测弱、跟踪易受透视畸变影响的问题，提出多模态框架，结合LiDAR与相机，引入强度感知可变形融合模块、双运动模型跟踪器及语义属性分类流水线，在多国数据集上取得低漏检率，实现全球可泛化的商用级交通标志感知。

Vision Foundation Model Driven Foreground-Aware Pseudo-LiDAR Generation for Monocular 3D Object Detection

视觉基础模型驱动的面向前景感知的伪激光雷达生成方法用于单目3D目标检测

Bonan Ding, Jin Xie, Jing Nie, Jiale Cao, Yanwei Pang

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

AI总结 本文提出VFMM3D框架，利用DAM和SAM的先验生成前景感知伪激光雷达，在KITTI、Waymo数据集上实现最优性能，可无缝集成至多种激光雷达3D目标检测器。

Comments 12 pages, 4 figures

CoAnchor: Robust Collaborative Perception under Spatio-Temporal Misalignment via Object-Level Anchors

CoAnchor：基于目标级锚点的时空错位下鲁棒协同感知

Chi Li, Rui Lin, Aobo Ji, Dongzhu Xu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 本文提出CoAnchor框架，以目标级时空锚点为接口，联合处理协同感知中的时空错位问题，在模拟和真实数据集上验证了其鲁棒性与精度-效率权衡优势。

Comments MM2026

Radiometric fingerprinting of object surfaces using mobile laser scanning and semantic 3D road space models

利用移动激光扫描和语义3D道路空间模型进行物体表面的辐射指纹识别

Benedikt Schwab, Thomas H. Kolbe

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

AI总结 本文提出利用移动激光扫描和语义3D道路空间模型，通过生成物体表面的辐射指纹，实现对城市表面材料信息的自动关联与分析。

A2DINOv3: Rethinking Multi-Modal Object Detection via Socialized Collaboration

A2DINOv3：通过社会化协作重新思考多模态目标检测

Jiekang Feng, Zhihe Fan, Yunqi Zhu, Xinjie Yao, Yueying Zhang, Yike Gao, Ranxin Li, Guanzuo Chen

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

AI总结 本文提出A2DINOv3框架，通过社会化协作协议让RGB与红外分支以异构专家模式选择性交互，结合零初始化策略，在四个多模态基准上实现了多模态目标检测的SOTA性能。

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, Yanfeng Zhang, Mingwei Sun, Zhen Dong, Xiaoxiao Long, Zengmao Wang, 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 Accepted to ACM MM 2026

RiskTraf: Risk-Extrapolated Residual Learning for Multi-Variate Traffic Flow Prediction

RiskTraf：面向多变量交通流预测的风险外推残差学习

Guangyu Wang, Zhidan Liu

机构 * Dongbei University of Finance & Economics（东北财经大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 该研究针对多变量交通流预测，推出保留三类原始测量的PEMSB-3V基准，提出模型无关的RiskTraf方法，通过风险外推残差学习缓解状态依赖捷径，提升预测性能且优于相关适配方法。

Comments Accepted by CIKM 2026 Oral

ControlledShifts: Towards Standardizing Robustness Evaluation in Trajectory Prediction Under Distribution Shifts

ControlledShifts：面向分布偏移下轨迹预测鲁棒性评估的标准化

Ingrid Navarro, Pablo Ortega-Kral, Yutong Duan, Jonathan Francis, Jean Oh

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Lavoro AI（拉沃罗人工智能公司） ； Stack AV（斯塔克自动驾驶公司） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

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

AI总结 本文提出ControlledShifts框架与基准套件，通过标准化划分轨迹数据集及统一鲁棒性评分，评估不同容量Transformer架构在分布偏移下轨迹预测的鲁棒性，揭示其处理潜在相关性与环境结构的差异。

Comments 8 pages, 8 figures, 1 table

Obstacle-Aware Online Receiver Planning in Multistatic Ranging

多站测距中的障碍物感知在线接收机规划

Jingwei Hu, Dave Zachariah, Petre Stoica, Torbjörn Wigren

专题命中 规划控制 ：trajectory planning(abstract)

AI总结 针对多站测距中障碍物导致视距中断的问题，提出非近视后退时域框架，结合凸避障约束规划接收机轨迹，经数值实验验证其效率与跟踪精度。

A Collaborative Multi-Modality Interaction for VLA-based End-to-End Autonomous Driving

面向基于视觉-语言-动作（VLA）的端到端自动驾驶的协同多模态交互

Jingtao Sun, Xiaohai He, Yike Zhang, Dong Huang, Yaonan Wang, Ajmal Mian, Mike Zheng Shou

机构 * National University of Singapore (NUS)（新加坡国立大学） ； Hunan University（湖南大学） ； The University of Western Australia (UWA)（西澳大学） 纠错

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

AI总结 本文针对现有VLA自动驾驶模型决策不可靠、多模态交互不足的问题，提出含三类核心组件的多模态交互与多轨迹规划系统，实验显示其在安全推理与场景感知上优于现有系统。

Roadside-Cooperative Autonomous Driving: From Data Platform to Vision-Language End-to-End Reasoning

路侧协同自动驾驶：从数据平台到视觉-语言端到端推理

Yitao Xu, Tong Wu, Yiyan Wu, Guoji Xu, Yanbo Jiang, Jiahao Wang, Zehong Ke, Junkai Jiang, Fang Zhang, Jianqiang Wang

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

AI总结 针对现有V2X基准的局限，推出V2XBench平台与Chat-V2XBench数据集，提出AURORA端到端协同驾驶框架，其在严重遮挡场景下路径完成率达98.21%、驾驶得分76.02，开创了可扩展的V2X-VLM范式。

Comments 15 pages, 5 figures, under review

On-Detector Machine Learning for Beam-Induced Background Rejection at a 10 TeV Muon Collider

10 TeV缪子对撞机中用于束流诱导本底抑制的探测器上机器学习方法

Daniel Abadjiev, Eliza Howard, Tsz Ngong You, Ryan Michaud, Benjamin Ryan Roberts, Benjamin Rosser, Karri Folan Di Petrillo, Anthony Badea, Doug Berry, Arghya Ranjan Das, Jennet Dickinson, Giuseppe Di Guglielmo, Harshul Gupta, Farah Fahim, Abhijith Gandrakota, Lindsey Gray, James Hirschauer, David Jiang, Shiqi Kuang, Ron Lipton, Mira Littmann, Miaoyuan Liu, Nicholas Manganelli, Petar Maksimovic, Corrinne Mills, Mark S. Neubauer, Aidan Nicholas, Benjamin Parpillon, Jannicke Pearkes, Adam Quinn, Danush Shekar, Ricardo Silvestre, Chinar Syal, Morris Swartz, Nhan Tran, Amit Trivedi, Keith Ulmer, Mohammad Abrar Wadud, Benjamin Weiss

专题命中 BEV与占用 ：occupancy(abstract,abstract_cn)

AI总结 针对10 TeV缪子对撞机的束流诱导本底问题，研究探测器上的轻量级机器学习架构，可在99%信号效率下实现88%-90%的数据缩减，为满足其径迹探测器读出要求提供可行方案。

Utility Under Attack: Agent Memory Poisoning and the Limits of Content Screening and Provenance Ranking

受攻击下的效用：智能体记忆投毒及内容筛选与来源排序的局限性

Arulnidhi Karunanidhi

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

AI总结 该研究针对智能体记忆投毒问题，测试了内容筛选和来源排序的防御效果，发现仅内容筛选无法抵御投毒，来源加权检索也存在局限，主张采用有限占用约束并发布了相关资源。

EmotionDialogCN: A Spontaneous Multimodal Dataset for Mandarin Emotional Dialogue

EmotionDialogCN：面向普通话情感对话的自发多模态数据集

Yi Zheng, Yifan Xu, Yan Zhou, Hejia Chen, Chunyu Qiang, Xiaoqiang Liu, Xiaohan Li, Shenze Huang, Yue Zhang, Guoying Zhao, Pengfei Wan

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

AI总结 该研究推出EmotionDialogCN数据集，其规模大、情感分布贴合真实情况，采用新型采集框架减少设备干扰，可支撑多模态情感相关研究。

Revealing Physical Redundancy in the Two-dimensional Fermi-Hubbard Model via Transferable Observable Reconstruction

通过可观测重建揭示二维费米-哈伯德模型中的物理冗余

Ao-Ning Wang, Min-Quan He, Z. D. Wang

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究以二维费米-哈伯德模型为对象，通过神经网络重建框架证实不同可观测值间存在可转移的物理信息，为该系统的可观测值级物理冗余提供了数值证据。

Comments 12 pages, 9 figures, 1 table, comments are welcome

Constrained Spatial Pricing of On-Street Parking with Bayesian Demand Calibration

结合贝叶斯需求校准的路边停车约束空间定价

Ananya Kale, Mohit Apte

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本研究结合分层贝叶斯需求模型与空间耦合约束定价模型，利用SFpark数据校准弹性，所得CVaR策略表现优于基准规则，揭示了有效定价集的变化及相关权衡。

Comments Preprint. Submitted to the 3rd International Conference on Machine and Computing Technologies for Sustainable Development (MCT4SD), Manila, Philippines, 10-12 December 2026. Currently under peer review

The Coastline as a Structural Constraint: Harnessing Scene Geometry for Autonomous Surface Vessel Localization

海岸线作为结构约束：利用场景几何实现自主水面船定位

Derek R. Benham, Joshua G. Mangelson

机构 * Brigham Young University（杨百翰大学） 纠错

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

AI总结 本研究提出两种利用海岸几何的自主水面船定位框架，经多数据集验证，LiDAR管线提升轨迹精度，单目架构控制长期漂移，且零样本基础模型可可靠提取海岸线观测，为无GPS海上定位提供新方案。

Comments 22 pages, 13 figures, 7 tables

WA-JEPA: Rethinking the Video JEPA Paradigm for World-Action Modeling in Autonomous Driving

WA-JEPA：重新思考面向自动驾驶中世界-动作建模的视频JEPA范式

Xinlin Wang, Yujiao Xiang, Yuheng Zhou, Jingqi Wang, Minqing Huang, Jiajie Huang, Dongxu Wei, Tingguang Zhou, Xiyang Wang, Gong Chen, Zhi Xu, Feiyang Tan, Hangning Zhou, Mu Yang

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

AI总结 该研究针对V-JEPA不适用于自动驾驶规划的问题，提出WA-JEPA模型，采用混合未来掩码预训练与条件流匹配，在NAVSIM和HUGSIM基准上取得优于基线的规划性能。

GS-Net: Heterogeneous Vehicle Data Reuse via Generalizable Plug-and-Play 3DGS Module

GS-Net：通过通用即插即用3DGS模块实现异构车辆数据复用

Yichen Zhang, Zihan Wang, Jiali Han, Peilin Li, Jiaxun Zhang, Jianqiang Wang, Lei He, Keqiang Li

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

AI总结 该研究针对自动驾驶跨车辆数据复用受限问题，提出即插即用的GS-Net模块，结合SfM点云与3DGS提升视图渲染质量，构建首个跨传感器视图合成基准CARLA-NVS，实验证实其在插值与外推视图上的性能及效率优势。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L)