视觉与机器人
自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。
面向自动驾驶的基于几何的统一3D感知
专题命中 感知 ：autonomous driving(title,abstract)；occupancy(abstract)；driving perception(abstract)；分类 cs.CV
AI总结 该研究针对现有自动驾驶3D感知框架无法保留显式度量几何的问题，提出GeoUP框架，通过分解跨图像交互并注入射线图编码实现统一3D感知，在多数据集上达到SOTA性能。
Comments Accepted by BMVC 2026
OccamView：面向帧预算约束下主动式3D高斯重建的物体条件视角选择方法
专题命中 感知 ：occupancy(abstract)；分类 cs.RO、cs.CV
AI总结 针对帧预算紧张时现有主动3D高斯重建方法易漏重建物体的问题，提出OccamView框架，通过物体条件视角选择与Geo-Floor机制优化规划，在多数据集上提升了重建表现。
Comments 10 pages, 5 figures
使离散的成为连续的：合成RAW增强用于细粒度评估人检测性能在低光环境
机构 * University of Glasgow（格拉斯哥大学） ； Dotphoton
专题命中 感知 ：autonomous driving(abstract)；分类 cs.CV、cs.AI
AI总结 本文提出了一种合成RAW增强方法，用于在低光条件下更准确地评估人检测模型的性能，通过生成与相机传感器噪声模型匹配的低光样本，以改善基准测试的数据覆盖。
Comments Accepted non-archival paper at the CVPR 2026 AUTOPILOT Workshop (Autonomous Understanding Through Open-world Perception and Integrated Language Models for On-road Tasks)
用于稀疏视图神经重建的可靠性感知单目深度监督
机构 * Stanford University（斯坦福大学）
专题命中 感知 ：LiDAR(abstract)；分类 cs.CV
AI总结 研究稀疏视图神经重建的单目深度监督，用Depth Anything V2作密集单目深度先验，经尺度变换拟合对齐预测，通过仅RGB基线模型生成的光度掩码选择性应用深度监督，在不同场景评估，结果表明应选择性适度加权应用。
Comments 9 pages, 6 figures. All authors contributed equally
一种多模态融合平台，用于高动态场景中的联合环境感知与信道探测
专题命中 感知 ：LiDAR(abstract)
AI总结 本文提出一种多模态融合平台，用于高动态场景中联合环境感知与信道探测，支持多频段多天线测量和高精度环境感知。
Comments Substantially revised version after peer review
超越轨迹：将可解释推理状态读出与原生MoE路由耦合
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 规划控制 ：occupancy(abstract)；分类 cs.AI
AI总结 本研究提出将可解释推理状态读出J64与原生MoE路由耦合的两级机制，提升推理过程可解释性与性能，R64作为低开销代理可保留其核心增益，还能优化分支选择与投票策略、调整推理行为。
AutoREC：一种用于从电化学阻抗谱数据开发强化学习代理以生成等效电路模型的软件平台
机构 * Clean Energy Innovation Research Center, National Research Council Canada（清洁能源创新研究中心，加拿大国家研究委员会） ； Department of Material Science and Engineering, University of Toronto（材料科学与工程系，多伦多大学） ； Cheriton School of Computer Science, University of Waterloo（计算机科学学院，滑铁卢大学）
专题命中 端到端驾驶 ：self-driving(abstract)
AI总结 AutoREC通过将等效电路模型生成建模为马尔可夫决策过程中的序列决策问题，利用深度强化学习解决传统手动试错方法的局限性，实现了高成功率的自动等效电路模型生成。
静态重加权实现软拟合Q迭代的局部收敛性
机构 * Department of Statistics, University of Washington（华盛顿大学统计学系）
专题命中 BEV与占用 ：occupancy(title,abstract)
AI总结 本文分析了在无Bellman完备性条件下软拟合Q迭代的稳定性机制，提出静态重加权软拟合Q迭代方法，证明其在近似可实现性和受控加权误差下具有有限样本局部线性收敛性。
无需贝尔曼完备性而通过稳态加权的拟Q评估
机构 * Department of Statistics, University of Washington（华盛顿大学统计学系）
专题命中 BEV与占用 ：occupancy(title,abstract)
AI总结 本文提出一种无需贝尔曼完备性的拟Q评估方法，通过稳态加权改进回归步骤，实现有限样本线性收敛，减少价值误差。
Super4DR: 基于4D雷达的自监督里程计与高斯基于地图优化
专题命中 BEV与占用 ：LiDAR(abstract)；分类 cs.RO
AI总结 Super4DR通过基于4D雷达的自监督里程计和高斯地图优化，在恶劣天气中实现更准确的定位与地图重建。
Comments 19 pages, 24 figures
SERA-H：超越原生Sentinel空间限制的高分辨率冠层高度制图
机构 * organization= Laboratoire des Sciences du Climat et de l’Environnement (LSCE), CEA, CNRS, UVSQ, Université Paris-Saclay , city= Gif-sur-Yvette , country= France ； organization= CNRS \& Département d'Informatique, École Normale Supérieure -- PSL , addressline= 45 Rue d'Ulm , postcode= 75005 , city= Paris , country= France ； organization= Department of Geography ； Geology, University of Copenhagen , addressline= Øster Voldgade 10 , city= Copenhagen , postcode= DK-1350 , country= Denmark ； organization= INRAE, Bordeaux Aquitaine Center , addressline= 71 avenue E. Bourlaux, CS 20032 , postcode= 33882 , city= Villenave d'Ornon , country= France ； organization= Department of Information Systems, University of M\"unster , city= M\"unster , country= Germany
专题命中 激光雷达 ：LiDAR(summary_cn,abstract)；分类 cs.CV
AI总结 SERA-H结合超分辨率模块和时序注意力编码，利用高密度LiDAR生成的冠层高度模型，从Sentinel-1和Sentinel-2时间序列数据中生成2.5米分辨率的高精度冠层高度制图，性能优于传统Sentinel-1/2方法，接近甚至优于商业高分辨率影像方法。
Comments 24 pages, 12 figures, 4 tables
InLiER：通过中间混合基数结构关键点令牌化实现无学习的异构激光雷达地点识别
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV
AI总结 研究针对机器人平台结合多种激光雷达致现有描述符性能下降的问题，提出无学习管道InLiER，通过混合基数令牌ID编码关键点信息，经三个检索阶段处理，在相关数据集和实验中表现出色，优于基于学习的基线。
Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L). 8 pages, 8 figures
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 10, pp. 11275-11282, 2026
BikeScenes：面向自行车的激光雷达语义分割
机构 * Denniz Goren（独立研究者） ； Holger Caesar（独立研究者）
专题命中 激光雷达 ：LiDAR(title,abstract)；分类 cs.RO、cs.CV
AI总结 针对更快电动自行车普及带来的骑行者安全问题，研究人员推出BikeScenes-lidarseg数据集，验证了SemanticKITTI预训练的FRNet模型经微调后在自行车搭载激光雷达场景中的显著性能提升，为相关研究提供了资源。
Comments Accepted at the DriveX Workshop, ECCV 2026
从树冠候选到邻域筛选：整合光学地理人工智能与空间建模用于加利福尼亚州戴维斯市的城市树冠评估
机构 * University of California, Davis（加利福尼亚大学戴维斯分校） ； California High School（加利福尼亚高中）
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、eess.IV
AI总结 本研究整合光学GeoAI与空间建模，利用2022年影像在戴维斯市生成树冠筛选层，绘制了该市9.37%的树冠，验证了其与热环境的关联，为城市规划提供支持。
Comments 17 pages, 10 figures + 5 supplementary figures, 7 tables. Revised preprint (expanded canopy infill; IoU 0.719). Preprint submitted to Taylor & Francis. Code: https://github.com/MohammadrezaNarimaniUCDavis/Davis_Urban_Canopy_GeoAI Data: https://doi.org/10.5281/zenodo.21925526
TriPilot-FF：具有力反馈的协调全身遥控
机构 * Zeno AI ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Sydney（悉尼大学）
专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.RO
AI总结 TriPilot-FF通过引入脚踏板触觉反馈和双臂跟随遥控，实现了具有力反馈的协调全身遥控，提升移动机械臂的操控精度和避障能力。
基于网络摄像头扫描仪与飞行时间传感器的伤口尺寸测量回归模型
专题命中 激光雷达 ：LiDAR(abstract)
AI总结 本研究针对网络摄像头与激光雷达传感器，构建二阶多项式回归模型，结合ToF距离测量与像素比值法，实现误差小于5%的伤口尺寸测量，效果优异。
Comments This paper has been withdrawn by the authors to allow for a major revision of the data. Substantial corrections are required before the findings can be considered reliable. We plan to update the manuscript once the re-evaluation is complete
释放Mamba的潜力：通过跨模型知识蒸馏提升LiDAR 3D稀疏检测器
机构 * East China University of Science and Technology（华东理工大学） ； University of Sydney（悉尼大学） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学技术学院）
专题命中 仿真评测 ：LiDAR(title,title_cn)；autonomous driving(abstract)；分类 cs.CV
AI总结 本文提出FASD框架，通过跨模型知识蒸馏将Transformer的全局上下文理解能力转移到Mamba模型，提升检测精度与效率，实现在Waymo和nuScenes数据集上的性能提升和资源消耗降低。
HybridWorldSim: 一种可扩展且可控的高保真驾驶仿真器
机构 * XPeng Motors ； ShanghaiTech University（上海科技大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.RO、cs.CV
AI总结 HybridWorldSim通过整合多遍神经重建与生成模型，实现高保真驾驶仿真，提供可扩展且可控的仿真环境及新的多遍数据集MIRROR，推动自动驾驶研究。
Comments Project page: https://hybridworldsim.github.io/
复杂城市场景中基于证据的可信多模态推理与评估基准
机构 * University of Chinese Academy of Sciences(UCAS)（中国科学院大学）
专题命中 仿真评测 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 针对多模态大语言模型在复杂城市场景中推理可靠性不足及现有基准无法诊断推理过程的问题，提出AD2-Bench基准与EGVOR方法，提升了不利条件下多模态推理的稳定性。
Comments Accepted by IJCV
带约束的群体相对策略优化
机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； CIFAR AI Chair（CIFAR人工智能主席）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO
AI总结 本文提出带约束的GRPO，通过拉格朗日松弛解决受约束策略优化问题，实验验证其在网格世界和机器人任务中的有效性。
Comments 16 pages, 6 figures
多智能体协同决策综合综述：场景、方法、挑战与展望
机构 * The University of Hong Kong (HKU)（香港大学） ； Imperial College London（伦敦帝国学院） ； National Heart and Lung Institute, Imperial College London（伦敦帝国学院国家心肺研究所） ； Cardiovascular Research Centre, Royal Brompton Hospital（皇家布朗普顿医院心血管研究中心）
专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.AI
AI总结 该综述梳理多智能体协同决策的场景、方法等，重点分析深度多智能体强化学习与大语言模型驱动的多智能体方法，同时指出领域挑战与未来研究方向。
Comments 54 pages, 24 figures
WaymoQA: 一个用于自动驾驶安全关键推理的多视角视觉问答数据集
机构 * Hanyang University（翰阳大学）
专题命中 其他自动驾驶 ：autonomous driving(title,abstract)；分类 cs.CV、cs.AI
AI总结 WaymoQA通过多视角输入提升自动驾驶的安全关键推理能力，提供35,000个标注问题-答案对，显著增强大语言模型的推理性能。
BLUE：迈向自动驾驶高效视觉-语言-动作模型中更好的语言使用
机构 * Bosch Research（博世研究院）
专题命中 其他自动驾驶 ：autonomous driving(title,abstract)；分类 cs.CV
AI总结 提出BLUE方法，通过轻量门控机制在视觉-语言-动作模型中按帧决定是否激活语言生成，实现性能提升和2.54倍推理加速。
Comments Accepted to EMNLP 2026 Main Conference
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈