arXivDaily arXiv每日学术速递 周一至周五更新

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。

2026-08-27 至 2026-08-27 共收录 4 信号源:cs.RO, cs.CV, eess.IV, cs.AI

1. 感知 4 篇

2507.09993 2026-08-27 cs.CV 版本更新 79%

3DGAA: Realistic and Robust 3D Gaussian-based Adversarial Attack for Autonomous Driving

3DGAA:面向自动驾驶的逼真且鲁棒的基于3D高斯的对抗攻击

Yixun Zhang, Lizhi Wang, Junjun Zhao, Wending Zhao, Feng Zhou, Yonghao Dang, Jianqin Yin

机构 * School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications, China(智能工程与自动化学院,北京邮电大学)

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

AI总结 本文提出3DGAA框架,通过3D高斯溅射实现视图一致、几何保持的可打印对抗包裹,在CARLA仿真等测试中显著降低自动驾驶车辆相机感知的检测性能,为安全评估与防御设计提供支撑。

Comments TIFS

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.25433 2026-08-27 eess.SP 新提交 67%

BeamGuard: Risk-Aware Multimodal Beam Forecasting and Adaptive Virtual Beamwidth Control for 6G mmWave V2I Links

BeamGuard:面向6G毫米波车联网(V2I)链路的风险感知多模态波束预测与自适应虚拟波束宽度控制

Abidemi Orimogunje, Dejan Vukobratovic, Sunwoo Kim, Igbafe Orikumhi, Vukan Ninkovic, Evariste Twahirwa, Gaspard Gashema

专题命中 感知 :LiDAR(abstract,abstract_cn)

AI总结 BeamGuard是面向6G毫米波V2I链路的多模态感知辅助波束管理框架,通过融合多模态传感与带内观测预测波束分布,实现自适应虚拟波束宽度控制,在DeepSense 6G数据集上较基线方法性能更优,可实现鲁棒的低开销波束管理。

Comments Accepted for Publication in IEEE Open Journal of the Communications Society. 18 pages, 5 figures, 11 Tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.03314 2026-08-27 cs.CV 版本更新 57%

TASE: Truncation-Aware Semantic Embeddings for 3D Scene Understanding and Editing

TASE: 用于3D场景理解与编辑的截断感知语义嵌入

Tim-Felix Faasch, Jochen Kall, Lucas Nunes, Jens Behley, Cyrill Stachniss

机构 * Bosch Research(博世研究院) Rheinisch-Westfälische Technische Hochschule Aachen(亚琛工业大学) University of Bonn(波恩大学)

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

AI总结 提出TASE方法,通过将预训练的2D语义特征投影到截断感知嵌入空间,结合尺度和平移等变损失,实现可控的3D场景文本驱动编辑,在大几何修改任务上显著优于现有方法。

Comments Code: this https URL (https://github.com/boschresearch/TASE)

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.17068 2026-08-27 cs.LG eess.SY 版本更新 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。

详情

展开后加载摘要…

URL PDF HTML 收藏