自动驾驶

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

A Unified Exact Factorial-Moment Theory for Multi-set Allocation Occupancy (MAO) in Finite Populations

有限总体中多集合分配占用（MAO）的统一精确阶乘矩理论

Xing-gang Mao, Xiao-yan Xue

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

AI总结 本文针对有限总体的多集合分配占用问题，建立统一精确阶乘矩理论，推导联合占用类别的精确表示式，经穷举枚举和蒙特卡洛模拟验证，为多集合占用统计提供严格有限总体基础。

Comments 33 pages

Bellman Calibration for Marginalized Importance Weighting in Offline Reinforcement Learning

离线强化学习中边缘化重要性加权的贝尔曼校准

Lars van der Laan, Nathan Kallus

机构 * Stanford University（斯坦福大学） ； Netflix（网飞） ； Cornell University（康奈尔大学） 纠错

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 本文针对离线强化学习中边缘化重要性加权的残留占用平衡违反问题，提出等渗贝尔曼校准方法，可减少此类违反并保证下游策略价值估计等任务的性能。

Comments 43 pages, 1 figure, 4 tables

Dual-Based Weight Selection for Approximate Linear Programming

近似线性规划的对偶基权重选择方法

Su Li, Andre A. Cire, Adam Diamant, Vahid Sarhangian

专题命中 BEV与占用 ：occupancy(abstract)

AI总结 针对近似线性规划权重选择的问题，提出基于对偶解投影占用信息的自适应权重更新方法，在更低计算成本下提升策略质量，且收敛性有保障。

Comments 20 pages, 9 figures