自动驾驶

Extending Ground-Constraint LiDAR-IMU Calibration to Tilted Surfaces in a Continuous-Time Framework

在连续时间框架下将地面约束的激光雷达-惯性测量单元（LiDAR-IMU）标定扩展至倾斜表面

Vassili Korotkine, Pierre Chamoun, Mohammed Ayman Shalaby, James Richard Forbes

机构 * McGill University（麦吉尔大学） ； Rheinmetall Provectus（莱茵金属普罗弗克特斯公司） 纠错

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

AI总结 该研究提出一种无需假设地面平坦的连续时间框架下的无目标 LiDAR-IMU 标定方法，可扩展至倾斜表面，经多数据集验证重复性提升且已开源。

Comments 8 pages, 13 figures. Submitted to Robotics & Automation Letters

Bootstrapping a 4D LiDAR Annotation Tool from Video Foundation Models

基于视频基础模型引导的4D激光雷达标注工具

Jihun Kim, Hyun-Kurl Jang, Hyemin Yang, Jinnyeong Yang, Hyeokjun Kweon, Kuk-Jin Yoon

机构 * KAIST（韩国科学技术院） ； Chung-Ang University（中央大学） 纠错

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

AI总结 研究针对4D激光雷达标注成本高、难扩展的问题，提出LiDAR-SAM2框架，借助SAM2自动生成标注，大幅降低3D/4D场景理解的标注负担。

Comments ECCV 2026 Workshop

LaGen: Towards Autoregressive LiDAR Scene Generation

LaGen：迈向自主驾驶的自回归激光雷达场景生成

Sizhuo Zhou, Xiaosong Jia, Fanrui Zhang, Junjie Li, Juyong Zhang, Yukang Feng, Jianwen Sun, Songbur Wong, Junqi You, Junchi Yan

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出LaGen，首个支持长时交互生成的自回归框架，能基于单帧输入生成高保真4D激光雷达场景，并通过场景解耦和噪声调节模块提升生成质量。

Comments Accepted to ECCV 2026

Phantom Navigator: Stealthy and Precise Unmanned Aerial Vehicle Redirection with Real-Time Tracking and GPS Spoofing

幻影导航器：利用实时跟踪与GPS欺骗实现隐蔽且精准的无人机重定向

Haocheng Meng, Shaocheng Luo, Songqiao Xie, Miroslav Pajic

机构 * Duke University（杜克大学） 纠错

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

AI总结 针对现有无人机重定向攻击可靠性、精准度不足的问题，提出幻影导航器攻击方法，结合离线可达性分析与在线闭环执行层，构建含激光雷达-相机栈的物理平台，实现隐蔽精准的无人机重定向，经案例验证有效。

SUPER ODOMETRY 2.0: Resilient Odometry via Hierarchical Adaptation

SUPER ODOMETRY 2.0：基于分层自适应的弹性里程计

Shibo Zhao, Sifan Zhou, Yuchen Zhang, Ji Zhang, Chen Wang, Wenshan Wang, Sebastian Scherer

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University at Buffalo（布法罗大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出Super Odometry 2.0传感器融合框架，通过分层自适应结构提升里程计鲁棒性，经多机器人多场景验证，为全退化环境下机器人自主提供支撑。

RAEM: Robust Autonomous Exploration for Multi-Floor Environments with a Quadruped Robot

RAEM：面向四足机器人的多层级环境鲁棒自主探索框架

Zikang Yuan, Yuan Ren, Yian Wang, Yixue Wang, Enze Fang, Xuewei Zhang, Junda Cheng, Chi Chen, Chin-Pang Ho, Lijun Zhu, Shaohang Xu, Kwang-Ting Cheng, Xin Yang

机构 * AI Chip Center for Emerging Smart Systems（新兴智能系统AI芯片中心） ； InnoHK Centers（创新香港中心） ； HongKong University of Science and Technology（香港科技大学） ； Southeast University（东南大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Hong Kong（香港大学） ； Wuhan University（武汉大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出RAEM框架，通过混合局部-全局可通行性表示、楼梯中心对齐策略与双路径搜索机制，实现四足机器人在多层级环境的鲁棒自主探索，经仿真与真实实验验证有效。

Comments 21 pages, 23 figures

ScaRF-SLAM: Scale-Consistent Reconstruction with Feed-Forward Models and Classical Visual SLAM

ScaRF-SLAM: 基于前馈模型与经典视觉SLAM的尺度一致重建

Yuhao Zhang, Yifu Tao, Frank Dellaert, Maurice Fallon

机构 * Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算机学院） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO

AI总结 提出一种解耦框架，将经典特征SLAM用于鲁棒跟踪，几何基础模型仅用于建图，通过尺度优化和子图融合实现高质量一致密集重建，在建筑级数据集上重建精度提升10%-20%。

Comments Accepted to IEEE Robotics and Automation Letters (RA-L) 2026

Praxist: From Experimental Artifacts to Solution Lineages

Praxist：从实验产物到解决方案谱系

Jin Li, Ahmed Murtadha, Zhiyu Wang, Qiwen Chen, William Chen, Yifei Wu, Guan Wang, Andy L. Siy, Jiayi Yang, Mengsha Huang, Wenhao Li, Yixuan Liu, Shuailin Pan, Mingli Yuan, Sen Song, Yuhao Sun

专题命中 激光雷达 ：LiDAR(abstract)

AI总结 Praxist是一种以谱系为中心的代际系统，可将可复现产物与评估结果转换为证据图，在MLE-bench测试中成本仅为Claude Code基线的约十二分之一，同时在多类工程问题上实现性能提升。