自动驾驶

Emergent 3D Instance Segmentation from Self-Supervised Point Transformers

自监督点Transformer的涌现式3D实例分割

Ted Lentsch, Santiago Montiel-Marín, Holger Caesar, Julian F. P. Kooij

机构 * Delft University of Technology（代尔夫特理工大学） ； University of Alcalá（阿尔卡拉大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 本研究探究自监督点Transformer是否含分离3D实例的结构信息，据此提出无需训练的TokenGraph3D方法，在无先验条件下大幅优于基线，使涌现的3D实例结构可见。

Comments ECCV 2026 DriveX

ResemBrick: Brick Reconstruction from Photographs with Perceptual Fidelity and Buildability

ResemBrick：从照片重建兼具感知保真度与可建造性的积木模型

Xilun Chen, Hanwen Wan, Yusong Zhao, Zexin Lin, Ruixiang Liao, Xiaoqiang Ji

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 ResemBrick将离散化与组装耦合，通过预算占用补全和可建造性构建，生成兼具感知保真度与可建造性的积木模型，性能优于现有系统。

GeoRoute: Geometry-Aware Hybrid Inference for Traffic Future-Frame Prediction

GeoRoute：面向交通未来帧预测的几何感知混合推理方法

Khang Minh Le, Hieu Dinh Trung Pham, Luu Thanh Danh, Nam-Tien Le, Hieu Anh Ngo, Phuong Huu Vu Tran, Son Nguyen Minh Le, Nguyen Trong Nghia, Tu Tran Thi Cam, Huy Minh Nhat Nguyen, Cuong Tuan Nguyen

机构 * Vietnamese-German University（越南-德国大学） ； University of Science, Ho Chi Minh City（胡志明市科学大学） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Information Technology, Ho Chi Minh City（胡志明市信息技术大学） 纠错

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

AI总结 GeoRoute是一种无需训练的几何感知混合推理框架，通过多帧深度分层渲染器和视角条件选择预测器，在AI City Challenge Track 5基准上实现了具有竞争力的交通未来帧预测性能，提升了静态几何稳定性。

Comments accepted to the ECCV 2026 AI City Challenge Workshop

Can Webcam Gaze Constrain Mesa-Objectives in Driving Models? An Instrument Precision Analysis

网络摄像头眼动能否约束驾驶模型中的 mesa 目标？一项仪器精度分析

Lennox Anderson, Ahmed Boutar, Jonah Mulcrone, Tal Erez

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

AI总结 该研究探究能否用 WebGazer 眼动数据约束自动驾驶模型的 mesa 目标，经多组实验发现无统计显著效果，原因是 WebGazer 误差过大无法实现物体级注视归因。

Comments 6 pages, 3 figures, 4 tables

RayLift: Lifting Complementary Ray-Wise Evidence with 3D Geometry Priors for Semantic Scene Completion

RayLift：利用3D几何先验提升互补射线级证据以实现语义场景补全

Meng Wang, Hongxia Yu, Wenzhe He, Xingdong Song, Huilong Pi, Jiapeng Zhang, Ruihui Li

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

AI总结 针对现有语义场景补全方法的深度误差传播问题，提出RayLift框架，通过互补上下文编码器、深度射线证据提升模块和语义感知体素集成器，在两个基准数据集上实现优于现有方法的性能。

Data collection from highways: a geometric, class-agnostic approach to embedded vehicle counting

高速公路数据采集：一种用于嵌入式车辆计数的几何、类别无关方法

Lucas Gouveia Omena Lopes, William W. M. Lira, Alexandre M. Lima, Thales M. A. Vieira

机构 * Universidade Federal de Alagoas（阿拉戈斯联邦大学） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.CV

AI总结 本文提出一种面向嵌入式设备的类别无关几何车辆计数方法，无需物体模型与训练集，在树莓派硬件上快于实时运行，实地部署准确率达91%，适用于无标注数据等场景。

Fast and Accurate: An Adaptive VLA Inference Framework through Environment-aware Model Selection

快速且精准：一种通过环境感知模型选择的自适应VLA推理框架

Yuewei Sun, Lang Qin, Zechuan Tian, Jingwen Li, Guiqin Wang, Shengzeng Huo, Wenxin Ren, Tao Fang, Xiaochen Zhang, Guanqing Deng, Xiang Wang, Xiaowen Dong, Qinghai Guo, Yuxin Ma

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 本文提出环境感知模型选择（EMS）自适应VLA推理框架，通过解耦双系统与强化学习切换策略，在LIBERO基准及真实双臂任务中平衡了VLA的推理速度与任务成功率。

From Sports to Safety: Benchmarking Proactive Risk Inference in MLLMs

从运动到安全：多模态大语言模型（MLLM）主动风险推理基准测试

Jiawei Qiu, Yichen Xu, Jianzhe Ma, Mingyang Yu, Wenbin Zhu, Yang Han, Pinzheng Lv, Wenxuan Wang

机构 * School of Information, Renmin University of China（中国人民大学信息学院） 纠错

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

AI总结 该研究构建了运动主动风险推理基准SPRINT，评估发现当前MLLM危险感知率高但原因识别率低，仅具备表层主动安全能力，缺乏稳定的基于原因的早期预警。

Comments Preprints

Cooking beyond Frames: A Stereo Event Camera Dataset in the Kitchen

超越帧的烹饪：厨房中的立体事件相机数据集

Chengming Feng, Hesam Araghi, Liming Zheng, Julien Dupeyroux, Xucong Zhang, Jan van Gemert, Nergis Tömen

机构 * Delft University of Technology（代尔夫特理工大学） ； STMicroelectronics（意法半导体） 纠错

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

AI总结 本文推出EventKitchen数据集，以第一人称视角从10名参与者在13个厨房中收集5.5小时的烹饪相关多传感器数据，训练基线模型完成动作识别等任务，为神经形态视觉提供新基准。

Comments Accepted at ECCV 2026

NSF-HRPT: Neural Semantic Field meets Hierarchical Risk Perception Tree for Safety-Critical Scenario Assessment

NSF-HRPT：神经语义场结合分层风险感知树的安全关键场景评估方法

Yu Zhao, Jiangyu Pan, Tao Hu, Ming Yin, Fan Yang, Jiangfan Liu, Xiubo Liang

机构 * Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 该研究提出NSF-HRPT框架，结合神经语义场与分层风险感知树，引入Sim2Real策略，实现单目视觉输入下安全关键场景的高效风险评估，在合成与现实数据集上均取得优异性能。

Comments 13 pages, 5 figures

AgenticECO: An Agentic Framework for ECO on 3D Integrated Circuits

AgenticECO：面向三维集成电路工程变更指令（ECO）的智能体框架

Shuo Ren, Yaohui Han, Libo Shen, Zhiqiang Jia, Rongliang Fu, Bei Yu, Tsung-Yi Ho

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 针对3D-IC布线后ECO手动操作的缺陷，提出AgenticECO智能体框架搭配EcoRoute最小干扰布线层，在9个缺陷案例中表现优于基准方法，且所有结果通过各类设计检查，相关材料已开源。

Comments 20 pages, 12 figures

SAT-Edge-Agent: Hardware-in-the-Loop Edge-Agent Orchestration for Onboard Satellite Intelligence

SAT-Edge-Agent：用于星载智能的硬件在环边缘智能体编排系统

Longji He, Jeto Xu

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 该研究提出SAT-Edge-Agent硬件在环边缘智能体系统，部署于ARM异构边缘片上系统，通过实验验证其星载边缘编排可行性，为相关研究提供可复现的HIL边界。

Comments 17 pages, 4 figures, and 10 tables. Code and sanitized research artifacts are available at SAT-Edge-Agent" target="_blank" rel="noopener">https://github.com/keithhegit/SAT-Edge-Agent

RSC-GestureNet: Reliability-Aware Selective Causal Recognition of Chinese Traffic Police Gestures

RSC-GestureNet：面向中国交通警察手势的可靠性感知选择性因果识别模型

Cheng Li, Renjun Gao, Boyi Fu

机构 * Academy of Interdisciplinary Studies, The Hong Kong University of Science and Technology（香港科技大学跨学科研究学院） ； Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院） 纠错

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

AI总结 本研究提出RSC-GestureNet，通过对不可靠姿态关节降权、因果聚合时序证据等方式提升中国交通警察手势识别的早期性、稳定性与鲁棒性，在CTPGesture数据集上取得最优性能。

Comments 2026 PRCV Oral; Project Page: https://github.com/chengli24/rsc-gesturenet-prcv2026

GSRAIN: Physically Calibrated High-/Low-Frequency Rainfall Synthesis for 3D Gaussian Driving Scenes

GSRAIN：面向3D高斯溅射（3DGS）驾驶场景的物理校准高低频降雨合成方法

Fanyu Wang, Longgao Zhang, Junyi Chen

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） 纠错

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

AI总结 GSRAIN针对自动驾驶降雨模拟的物理可控性与多视图一致性局限，结合实测数据与几何感知扩散模型生成可控降雨场景，在FID指标上优于现有方法，可用于自动驾驶算法的雨天测试。

Towards Real-Time PixOOD: Efficient Anomaly Segmentation for Autonomous Vehicles

面向实时PixOOD：自动驾驶的高效异常分割

Luca de Martino, Federico Aromolo, Federico Nesti, Giorgio Buttazzo

机构 * Scuola Superiore Sant’Anna（圣安娜高等学校） 纠错

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

AI总结 该研究针对自动驾驶和铁路领域，提出优化PixOOD的高效异常分割流水线，经TensorRT编译后在桌面GPU和嵌入式平台实现高帧率，解决了实时部署的计算成本问题。

Comments 12 pages, 2 figures, 3 tables. Accepted at the Efficient Deep Learning: Methods and Applications workshop, 35th International Conference on Artificial Neural Networks (ICANN 2026)

When Robots Exchange Meaning: A Demo of Goal-Oriented Semantic Communications for Collaborative Robotics

当机器人交换意义：面向协作机器人的目标导向语义通信演示

Peizheng Li, Xinyi Lin, Sajida Gufran, Adnan Aijaz

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 本文提出一种机器人-边缘端语义通信测试平台，通过VQ-VAE等技术实现视觉压缩与语义建图，为协作机器人及相关6G网络研究提供了实用演示平台。

Comments 3 pages, 3 figures. This paper has been accepted for presentation as a demo paper at IEEE CSCN 2026

Denial of Deadline: Network-Driven Accuracy Collapse in Distributed Inference Pipelines

拒绝期限：分布式推理管道中网络驱动的精度崩溃

Jhonatan Tavori, Gur-Eyal Sela, Ion Stoica, Gil Zussman

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

AI总结 研究分布式推理管道中网络驱动的精度崩溃问题，通过模拟自动驾驶中的两层边缘云多目标跟踪管道，发现shaped workload攻击可致精度崩溃，如使良性p99延迟增加，降低跟踪质量，促使相关攻击与防御研究。

Reasoning to Regulate: Chain-of-Thought for Traffic Rule Understanding

推理以规范：用于交通规则理解的思维链

Yueru Luo, Xu Yan, Changqing Zhou, Yiming Yang, Chao Zhan, Shuqi Mei, Chao Zheng, Zhen Li

机构 * CUHK-SZ, Shenzhen-FNii（香港中文大学（深圳），深圳高等金融研究院） ； HKUST(GZ)（香港科技大学（广州）） ； Tencent T Lab（腾讯T实验室） 纠错

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

AI总结 针对交通规则理解这一自动驾驶关键挑战，提出为视觉语言模型配备思维链能力的框架，设计整理管道，采用两阶段训练方案，显著提升了可解释性和准确性，建立首个基于推理的自动驾驶框架。

Comments Technical Report

RoadVGGT: Road-Structure-Aware Feed-Forward Road Surface Reconstruction

RoadVGGT：基于道路结构感知的前馈式路面重建

Han Jiao, Chen Liu, Jiakai Sun, Zhanjie Zhang, Mengyuan Yang, Yimeng Li, Mofan Zhou, Kun Zhan, Lei Zhao

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

AI总结 针对现有道路重建方法需逐场景训练及场景依赖覆盖设计的局限，提出RoadVGGT框架，利用几何基础模型结合多视图图像等，经高斯头预测、坐标对齐及融合等重建紧凑高斯路面，提升多方面性能，证明几何基础模型在路面重建中的潜力。

CARA: Concept-Aware Risk Attention for Interpretable Collision Anticipation

CARA：用于可解释碰撞预测的概念感知风险注意力

Zhishan Tao, Ruoyu Wang, Yucheng Wu, Enjun Du, Yilei Yuan, Sherwin Ho, Yue Su, Jinbo Su, Yi Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。

Comments Accepted to ACM Multimedia 2026(Oral)

Offline Vision-Language Navigation with Geometric Goal Localization for Outdoor Environments

用于户外环境的基于几何目标定位的离线视觉语言导航

Ali Salmasi, Xianjia Yu, Tomi Westerlund

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究针对户外环境下的离线视觉语言导航，通过对17个可边缘部署的SLM与4个在线API进行基准测试，提出轻量级混合语义几何目标定位框架并集成到Edge-BehAV中，提升了性能，降低目标距离误差，实现无网络连接下的有效导航。

Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis

通过新视图合成在别名和低纹理环境中从稀疏视图进行视觉重定位

Maria Peribañez, Javier Civera, Rudolph Triebel, Riccardo Giubilato

机构 * University of Zaragoza（萨拉戈萨大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 针对类行星地形中视觉定位难题，提出基于 3D 高斯溅射构建可微地图表示估计相机姿态的方法，采用结合光度与几何损失的几何感知训练策略，经实验验证能有效提升定位准确性与姿态估计鲁棒性。

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

DB-VIO: Dual-Branch Visual Inertial Odometry with Enhanced Visual-Inertial Representation

DB-VIO：具有增强视觉惯性表示的双分支视觉惯性里程计

Ziyu Wan, Lin Zhao

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 研究针对视觉惯性里程计问题，提出DB-VIO双分支框架，通过融入深度线索、姿态先验和解耦姿态估计进行运动特定时间建模，实验表明该方法在自动驾驶和空中机器人基准测试中性能优异，提升了旋转和平移估计精度。

DTIF: Robust Loop Closure Detection via Delaunay Triangle Topology in Complex Forests

DTIF：通过复杂森林中的德劳内三角拓扑进行稳健的回环检测

Xin Zhao, Jianping Li, Qin Zou, Fuxun Liang, Zhen Dong, Bisheng Yang

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Urban Design, Wuhan University（武汉大学城市设计学院） ； LIESMARS, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 针对森林环境中合并局部地图的难题，提出DTIF框架。通过提取树干地标、德劳内拓扑编码、统计筛选、一致性验证等步骤构建加权顶点对应，纳入可靠性权重到姿态估计器。实验证明该方法在边缘平台上兼顾鲁棒性、效率与可部署性，实现准确配准。

Comments 19 pages, 6 figures, 4 tables. Submitted to IEEE Transactions on Geoscience and Remote Sensing

Multi-turn RL with Structural and Performance Aware Rewards for CUDA Kernel Generation

用于 CUDA 内核生成的具有结构和性能感知奖励的多轮强化学习

Quazi Ishtiaque Mahmud, Nesreen K. Ahmed, Ali Jannesari

机构 * Iowa State University（爱荷华州立大学） ； Cisco AI Research（思科人工智能研究院） 纠错

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对 CUDA 内核生成，提出 CudaPerf 框架，结合可验证执行奖励与结构代码感知奖励，分离线排序和在线训练两阶段，利用执行反馈迭代细化，通过实验证明其显著优于基线，在加速和正确性上有大幅提升。

ReferTrack: Referring Then Tracking for Embodied Visual Tracking

ReferTrack：用于具身视觉跟踪的先指认后跟踪

Hanjing Ye, Tianle Zeng, Jiazhao Zhang, Shaoan Wang, Zibo Zhang, Weisi Situ, Yuchen Zhou, Yonggen Ling, Hong Zhang

机构 * SUSTech（南方科技大学） ； Tencent Robotics X（腾讯机器人X实验室） ； Peking University（北京大学） ； Futian Laboratory（福田实验室） 纠错

专题命中 感知 ：trajectory planning(abstract)；分类 cs.RO

AI总结 研究针对具身视觉跟踪问题，提出ReferTrack先指认后跟踪范式，用单个摄像头，先选目标再解码跟踪航点，通过滑动窗口队列保留运动线索，经数据集协同训练增强识别，在EVT - Bench上达先进单视图性能并验证了迁移能力。

MOF-Sleuth: Tool-Grounded Reward Alignment for Explainable Fine-Grained MOF CIF Auditing

MOF-Sleuth：用于可解释细粒度MOF CIF审核的工具基础奖励对齐

Yu Liu, Zhiwei Yang, Diandian Guo, Kun Peng, Fangfang Yuan, Cong Cao, Chaozhuo Li, Zhiyuan Ma, Yanbing Liu, Guobin Zhao

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究针对MOF数据库CIF输入错误影响下游结果及人工检查的问题，提出MOF-Sleuth，通过强化引导CIF审核代理的两个模块，利用奖励引导强化学习将工具测量转化为监督，提升检测、归因及解释质量，在多基准测试中性能领先。

Sarus: Privacy-Preserving Multi-Vendor Perception Fusion via Homomorphic Encryption

Sarus：通过同态加密实现隐私保护的多供应商感知融合

Munawar Hasan, Apostol Vassilev

机构 * National Institute of Standards and Technology, USA（美国国家标准与技术研究院） ； Michigan Technological University, USA（密歇根理工大学） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.CV

AI总结 研究自动驾驶多供应商感知融合的隐私保护问题，提出Sarus框架，利用同态加密，将检测编码为高斯矩向量加密传输，服务器在加密域聚合，实验表明其能有效聚合互补检测，提高覆盖率，实现实时隐私保护融合。

Preference-Conditioned Multi-Objective Reinforcement Learning for Runtime-Tunable Transit Signal Priority

用于运行时可调公交信号优先的偏好条件多目标强化学习

Philip-Roman Adam, Stefanie Schmidtner

专题命中 感知 ：occupancy(abstract)；分类 cs.AI

AI总结 研究公交信号优先中平衡多目标的问题，提出偏好条件TSP控制器，能在运行时通过偏好参数调整权衡公交与整体交通延误，无需重训练。通过扩展场景生成实现，实验表明该控制器优于基线，保持约束可行性，且能揭示不同偏好下的非公交外部性情况。

Comments 8 pages, 3 figures, 4 tables. Accepted at the 29th IEEE International Conference on Intelligent Transportation Systems (ITSC 2026). Code: https://github.com/urbanAIthi/morl-tsp

Distilling Global Traversability Priors for Image-based Affordance Prediction in Off-road Environments

用于越野环境中基于图像的可承受性预测的全局可通行性先验知识提炼

Matthew Sivaprakasam, Samuel Triest, Micah Nye, Deegan Atha, Shehryar Khattak, David Fan, Wenshan Wang, Sebastian Scherer

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Field AI（现场人工智能公司） 纠错

专题命中 感知 ：LiDAR(abstract)；分类 cs.RO

AI总结 研究非结构化地形长距离自主导航易短视问题，利用卫星图像计算导航路径监督网络，直接从FPV图像提取远距离可通行性感知边界，提升长距离越野导航性能，减少人工干预。