自动驾驶

Learning Spherical Occupancy Profiles for Multi-View 3D Reconstruction and Generation

用于多视图三维重建与生成的球形占用轮廓学习

YiHsuan Tsai

机构 * Nanjing University（南京大学） 纠错

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

AI总结 该研究提出将逐光线球形占用轮廓作为统一中间表示，训练判别式解码器与生成式流水线，在多视图三维重建任务中取得良好效果，且可迁移至真实照片场景。

Comments 12 pages,5 figures,5 tables. Code and data will be released

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, 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。

Geo-VLA: Geometry-Aware Vision-Language-Action Planning via Internalization of Map Semantics

Geo-VLA：通过内化地图语义实现几何感知的视觉-语言-动作规划

Ran Chen, Jiaxing Ren, Zhikun Zhang, Yunhao Hou, Junbao Zhuo, Bochao Zou

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

AI总结 该研究针对VLA模型在复杂驾驶场景中规划性能不足的问题，提出可即插即用的Geo-VLA框架，结合自研Geo-QA数据集，在NAVSIM v1上实现单目VLA规划器的新SOTA。

ODG-NoMaD: Overhead-Camera Direction-Guided NoMaD

ODG-NoMaD： overhead相机方向引导的NoMaD

Blossom Treesa Bastian, Keerthi S. Shetty, Manish Kolachalam, Rani Malhotra, Ashish Dutta

机构 * Applied Research Center for Autonomous Machines, Infosys Center for Emerging Technologies（Infosys新兴技术中心自主机器应用研究中心） ； Dept. of Mechanical Engineering, IIT Kanpur（印度理工学院坎普尔分校机械工程系） 纠错

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

AI总结 该研究提出ODG-NoMaD，通过overhead相机方向引导改进NoMaD，在模拟办公环境中大幅减少残余距离、优于NaviDiffusor且全程无碰撞。

Channel-Token Attention for Reliable Dynamic Spectrum Access under Bursty Primary-User Traffic

面向突发主用户业务的可靠动态频谱接入的信道-令牌注意力机制

Krishna Acharya, Dinanath Padhya, Utsab Dahal, Ashish Kandel, Binod Sapkota

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 针对突发主用户业务，提出TACAN策略，结合信道-令牌注意力与Transformer优化，在20信道网络中提升存在分组接入成功率、降低时延与可靠性差距，未获得分组吞吐量增益。

Comments 9 pages, 4 figures, 2 tables

Self-consistent modelling of all-optical switching and magneto-optic readout in an integrated Si$_3$N$_4$/GdFeCo waveguide

集成Si₃N₄/GdFeCo波导中全光开关与磁光读出的自洽建模

Muhammad Arief Mulyana, Budi Adiperdana, Ayi Bahtiar

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文针对集成Si₃N₄/GdFeCo波导元件，建立全光开关与磁光读出的自洽模型，揭示导波光的磁化相关特征及切换效率，为相关器件设计提供理论支撑

Comments 46 pages, 10 figures. Supplementary material included as an ancillary file

Composition- and Ordering-Dependent Evolution of Simulated Kikuchi Patterns of Au-Ni Alloys

Au-Ni合金模拟菊池花样的成分与有序度依赖演化

Camila A. Teixeira, Lukas Berners, Sandra Korte-Kerzel, Ulrich Kerzel

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究分析Au-Ni合金模拟菊池花样的成分、有序度等影响因素，明确归一化强度分布和带宽可区分菊池花样，有望用于未来基于表示学习的索引方法。

Semiparametric Double Reinforcement Learning with Applications to Long-Term Causal Inference

用于长期因果推断的半参数双重强化学习

Lars van der Laan, David Hubbard, Allen Tran, Nathan Kallus, Aurélien Bibaut

机构 * Department of Statistics, University of Washington, USA（华盛顿大学统计系） ； Netflix Research, USA（Netflix研究） ； Cornell Tech, Cornell University, USA（康奈尔科技学院、康奈尔大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究针对长期因果推断中双重强化学习的不稳定问题，提出半参数双重强化学习方法，推导相关效率界并构建鲁棒估计量，可提升推断效率。

Comments 84 pages, 5 figures

Finite-state Markovian surrogates for long-time neuronal state distributions and firing rates

用于长时间神经元状态分布和放电率的有限状态马尔可夫代理模型

Zhongyi Wang, Louis Tao, Zhuo-Cheng Xiao

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 该研究构建有限状态马尔可夫代理模型，结合两种闭合方式，在LIF、EIF等神经元模型上实现无需逐尖峰模拟的长时间状态分布和放电率估计，性能良好。

Comments 21 pages, 14 figures