自动驾驶

Effort-Based Criticality Metrics for Evaluating 3D Perception Errors in Autonomous Driving

基于努力的临界度量指标用于评估自动驾驶中的3D感知误差

Sharang Kaul, Simon Bultmann, Mario Berk, Abhinav Valada

机构 * CARIAD SE ； University of Freiburg（弗莱堡大学） 纠错

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

AI总结 本文提出基于努力的临界度量指标，通过FSR、MDR和LEA量化自动驾驶中3D感知误差的严重性，揭示非关键性误差占比高，验证新指标能捕捉安全关键信息。

Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

GeoWAM: Visual Geometry World Action Models for Autonomous Driving

GeoWAM：面向自动驾驶的视觉几何世界动作模型

Yiren Lu, Xin Ye, Jiaming Liu, Philip Jacobson, Jin Yao, Yi-chung Chen, Liam Merino, Dhruva Dixith Kurra, Min Cai, Tom Lampo, Yu Yin, Danhua Guo, Burhan Yaman

机构 * Uber AV Labs（优步自动驾驶实验室） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 该研究提出 GeoWAM，一种用于自动驾驶的视觉几何世界动作模型，通过预训练预测未来场景几何来学习动力学，经评估其生成的驾驶策略比图像基方案更强，确立未来几何预测为自动驾驶有效预训练目标。

Comments Project page: this https URL (https://yiren-lu.com/project_pages/geowam/)

Latent Dynamics-Aware OOD Monitoring for Trajectory Prediction with Provable Guarantees

隐式动态感知的领域外监测用于轨迹预测的可证明保障

Tongfei Guo, Lili Su

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

AI总结 本文提出基于快速突变点检测的轨迹预测领域外监测方法，通过隐马尔可夫模型建模预测误差演化，实现无需显式知识的领域外检测并保证延迟和误报率的可证明保障。

Comments Accepted by 2026 IEEE International Conference on Automation Science and Engineering (CASE 2026)

Topology-Aware Decision Making for Multi-Session Localization and Mapping

利用拓扑信息的多会话定位与建图

Lorenzo Montano-Olivan, Julio A. Placed, Luis Montano, Maria T. Lazaro

机构 * Instituto Tecnológico de Aragón (ITA)（阿拉贡技术学院） ； Instituto de Investigación en Ingeniería de Aragón (I3A)（阿拉贡工程研究院） ； Universidad de Zaragoza（萨拉戈塔大学） 纠错

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

AI总结 本研究提出一种基于拓扑信息的多会话框架，通过分析姿态图结构优化建图与定位，减少误差并提升一致性。

CoWorld-VLA: Thinking in a Multi-Expert World Model for Autonomous Driving

CoWorld-VLA：面向自动驾驶的多专家世界模型中的思考

Minqing Huang, Yujiao Xiang, Zihan Liang, Jiajie Huang, Jingqi Wang, Yuheng Zhou, Zhi Xu, Feiyang Tan, Hangning Zhou, Mu Yang, Gong Che

机构 * Afari Intelligent Drive（Afari智能驾驶公司） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University Of Posts and Telecommunications（北京邮电大学） ； Tianjin University（天津大学） 纠错

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

AI总结 本文提出CoWorld-VLA，通过多专家世界推理框架，利用显式条件指导动作规划，提升自动驾驶的场景生成与路径规划性能。

O3N: Omnidirectional Open-Vocabulary Occupancy Prediction for Embodied Intelligent Robotics

O3N: 全向开放词汇占用预测

Mengfei Duan, Hao Shi, Fei Teng, Guoqiang Zhao, Yuheng Zhang, Zhiyong Li, Kailun Yang

机构 * Hunan University（湖南大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 O3N通过全向感知和开放词汇方法，实现三维空间的连续表示和长距离上下文建模，提升具身智能在开放世界中的感知与建模能力。

Comments The source code will be made publicly available at this https URL (https://github.com/MengfeiD/O3N)

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

EllipseLIO: Adaptive LiDAR Inertial Odometry with an Ellipsoid Representation

EllipseLIO: 一种基于椭球表示的自适应激光雷达惯性里程计

Rowan Border, Margarita Chli

机构 * Vision for Robotics Lab (V4RL)（机器人视觉实验室） 纠错

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

AI总结 本文提出EllipseLIO，一种基于椭球表示的实时激光雷达惯性里程计，通过自适应的激光雷达扫描过滤和配准方法，在不同环境和传感器下实现鲁棒的里程计性能，实验表明其在多种复杂场景中表现最优。

Comments 8 pages, 6 figures, 4 tables. Video available at this https URL (https://www.youtube.com/watch?v=eIZ8CK4TAuA) Code available at this https URL (https://github.com/v4rl-ucy/ellipselio)

RePL: Pseudo-label Refinement for Semi-supervised LiDAR Semantic Segmentation

RePL：伪标签细化用于半监督激光雷达语义分割

Donghyeon Kwon, Taegyu Park, Suha Kwak

机构 * Dept. of CSE, POSTECH（浦项科技大学计算机科学与工程系） ； GSAI, POSTECH（浦项科技大学人工智能研究生院） 纠错

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

AI总结 RePL通过掩码重建识别并纠正伪标签中的潜在错误，提升伪标签质量，从而在激光雷达语义分割中取得最优性能。

Comments ECCV 2026

The Setting of IMU Parameters in Kalman Filtering-based Information Fusion

基于卡尔曼滤波的信息融合中惯性测量单元（IMU）参数的设置

Qiang Hu, Yanhua Zou, Shuaiyi Huo, Haibo Ge, Wei Ouyang

机构 * Tongji University（同济大学） 纠错

专题命中 多传感器融合 ：LiDAR(abstract)；分类 cs.RO

AI总结 该研究针对卡尔曼滤波信息融合中IMU参数设置难题，提出基于Allan方差校准的方法，验证了其在两类IMU传感器融合系统中的可行性与有效性。

Comments 2026 International Conference on Guidance, Navigation and Control