自动驾驶

From crown candidates to neighborhood screening: integrating optical GeoAI and spatial modeling for urban-canopy assessment in Davis, California

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

Mohammadreza Narimani, Shreyan Mitra, Parastoo Farajpoor

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. Preprint submitted to Taylor & Francis. Code: https://github.com/MohammadrezaNarimaniUCDavis/Davis_Urban_Canopy_GeoAI Data: https://doi.org/10.5281/zenodo.21925527

Unsupervised Point Cloud Registration with Self-Distillation

基于自蒸馏的无监督点云配准

Christian Löwens, Thorben Funke, André Wagner, Alexandru Paul Condurache

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文针对点云配准依赖真实位姿标注的问题，提出自蒸馏无监督方法，在3DMatch基准上优于现有方法，且可泛化至汽车雷达场景。

Comments Oral at BMVC 2024

SLAM in Low-Light Environments: Project Report

低光照环境下的同步定位与地图构建：项目报告

Oleh Basystyi, Anna Stasyshyn, Oleksandr Kosovan, Yaroslav Prytula

机构 * Applied Sciences Faculty, Ukrainian Catholic University（乌克兰天主教大学应用科学学院） 纠错

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

AI总结 研究低光照环境下RGB相机的SLAM问题，对六种不同范式的系统在五个序列上进行基准测试，发现仅RGB的SLAM需惯性融合和全局优化才能稳定跟踪，为后续改进提供方向。

Comments Conducted as part of the certification program "Off-Road Visual Navigation: Development and Evaluation of Systems in Challenging Environments'' at the Faculty of Applied Sciences, Ukrainian Catholic University, in collaboration with the UCU UGV Club

Registering the 4D Millimeter Wave Radar Point Clouds Via Generalized Method of Moments

通过广义矩方法配准4D毫米波雷达点云

Xingyi Li, Han Zhang, Ziliang Wang, Yukai Yang, Weidong Chen

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Statistics, Uppsala University（乌普萨拉大学统计系） 纠错

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

AI总结 针对4D雷达点云稀疏噪声导致配准困难的问题，提出基于广义矩方法的配准框架，无需显式点对应，在合成与真实数据集上精度和鲁棒性优于基准方法，甚至接近激光雷达方法。

MM-Nav: Multi-View VLA Model for Robust Visual Navigation via Multi-Expert Learning

MM-Nav：基于多专家学习的多视角VLA模型用于鲁棒视觉导航

Tianyu Xu, Jiawei Chen, Jiazhao Zhang, Wenyao Zhang, Zekun Qi, Minghan Li, Zhizheng Zhang, He Wang

机构 * Peking University（北京大学） ； Galbot ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出MM-Nav模型，通过多专家学习从合成数据中学习多样化的导航能力，展示模型在合成环境中的强泛化能力，并在现实世界实验中验证其有效性。

Comments Project page: https://pku-epic.github.io/MM-Nav-Web/

vS-Graphs: Tightly Coupling Visual SLAM and 3D Scene Graphs Exploiting Hierarchical Scene Understanding

vS-Graphs: 通过分层场景理解紧密耦合视觉SLAM与3D场景图

Ali Tourani, Saad Ejaz, Hriday Bavle, Miguel Fernandez-Cortizas, David Morilla-Cabello, Jose Luis Sanchez-Lopez, Holger Voos

机构 * Automation and Robotics Research Group, Interdisciplinary Centre for Security, Reliability, and Trust (SnT), University of Luxembourg（卢森堡大学自动化与机器人研究组，安全、可靠性与信任跨学科中心） ； Institute for Advanced Studies (IAS), University of Luxembourg（卢森堡大学高级研究院） ； Faculty of Science, Technology, and Medicine, University of Luxembourg（卢森堡大学科学、技术与医学学院） ； Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza（阿拉贡大学工程研究所（I3A）） 纠错

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

AI总结 本文提出vS-Graphs框架，通过结合视觉场景理解与地图重建，提升地图语义丰富度和可解释性，实验表明其在多个数据集上比现有方法提升15.22%的精度。

Comments 20 pages, 10 figures, 5 tables

On the Covariance of ICP-based Scan-matching Techniques

关于基于ICP的扫描匹配技术的协方差

Silvère Bonnabel, Martin Barczyk, François Goulette

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

AI总结 本文研究了ICP算法计算旋转变换协方差的问题，指出点到点版本的ICP应用会导致错误协方差，通过数学证明验证点到平面版本的正确性。

Comments Accepted at 2016 American Control Conference

StruMPL: Multi-task Dense Regression under Disjoint Partial Supervision and MNAR Labels

StruMPL：在不相交的部分监督和MNAR标签下的多任务密集回归

Reza M. Asiyabi, Juan Alberto Molina-Valero, The SEOSAW Partnership, Steven Hancock, Casey M. Ryan

机构 * School of Geosciences, University of Edinburgh, UK（爱丁堡大学地球科学学院，英国） ； National Centre for Earth Observation (NCEO), UK（英国地球观测国家中心） ； Department of Spatial Sciences, Faculty of Environmental Sciences Czech University of Life Sciences Prague, Praha, Czech Republic（环境科学学院空间科学系，捷克布拉格生命科学大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 本文针对在不相交的部分监督和MNAR标签下的多任务密集回归问题，提出StruMPL方法，通过共享编码器和可学习的物理模块，结合Augmented IPW损失函数，提高了对森林地上生物量的估计精度。

Comments 10 pages with 3 figures and 4 tables, References and Appendix 12 pages with 1 figure and 4 tables

When Backdoors Meet Partial Observability: Attacking Real-World Reinforcement Learning

当后门遇见部分可观测性：攻击现实世界的强化学习

Tairan Huang, Qingqing Ye, Yulin Jin, Jiawei Lian, Yaxin Xiao, Yi Wang, Haibo Hu

机构 * Department of Electrical and Electronic Engineering（电气与电子工程系） 纠错

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

AI总结 本文提出DGBA框架，针对现实世界强化学习中部分可观测性问题，通过扩散引导后门攻击实现稳定攻击激活，实验表明其优于现有方法且不影响正常任务性能。

Splatblox: Traversability-Aware Gaussian Splatting for Outdoor Robot Navigation

Splatblox：面向户外机器人导航的可通行性感知高斯点绘制

Samarth Chopra, Jing Liang, Gershom Seneviratne, Yonghan Lee, Jaehoon Choi, Jianyu An, Stephen Cheng, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学帕克分校） 纠错

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

AI总结 Splatblox通过融合RGB图像和LiDAR点云，构建了具有几何和语义信息的可通行性感知ESDF，实现户外复杂环境下的实时自主导航，实验表明其在可通行性判断和路径规划方面优于现有方法。

Seamless High-Resolution Terrain Reconstruction: A Prior-Based Vision Transformer Approach

无缝高分辨率地形重建：一种基于先验的知识的视觉Transformer方法

Osher Rafaeli, Tal Svoray, Ariel Nahlieli

机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出基于单视角的DEM重建方法，利用低分辨率SRTM数据与高分辨率RGB影像结合，生成高分辨率DEM，实现100倍分辨率提升，适用于多区域GIS分析。

Points-to-3D: Structure-Aware 3D Generation with Point Cloud Priors

Points-to-3D: 基于点云先验的结构感知3D生成

Jiatong Xia, Zicheng Duan, Anton van den Hengel, Lingqiao Liu

机构 * Australian Institute for Machine Learning, University of Adelaide, Australia（澳大利亚阿德莱德大学澳大利亚机器学习研究所） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出Points-to-3D框架，利用点云先验生成可控的3D资产和场景，通过结构修复网络和分阶段采样策略提升几何精度和渲染质量。

Comments Accepted by CVPR 2026

SPOT: Point Cloud Based Stereo Visual Place Recognition for Similar and Opposing Viewpoints

SPOT：基于点云的立体视觉位置识别用于相似和对立视角

Spencer Carmichael, Rahul Agrawal, Ram Vasudevan, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Department of Robotics and the Department of Mechanical Engineering, University of Michigan（机器人学系和机械工程系，密歇根大学） 纠错

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

AI总结 本文提出SPOT技术，利用立体视觉里程计估计的结构进行对立视角视觉位置识别，通过双距离矩阵序列匹配方法提升识别精度，实验表明在不同光照条件下，SPOT在对立视角识别中达到91.7%的召回率，且存储和运行效率优于现有方法。

Comments Expanded version with added appendix. Published in ICRA 2024. Project page: https://umautobots.github.io/spot

Joint Optimization of Storage and Loading for High-Performance 3D Point Cloud Data Processing

高绩效3D点云数据处理中存储与加载的联合优化

Ke Wang, Yanfei Cao, Xiangzhi Tao, Naijie Gu, Jun Yu, Zhengdong Wang, Shouyang Dong, Fan Yu, Cong Wang, Yang Luo

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出.PcRecord格式和高效数据处理流水线，通过多阶段并行架构优化计算资源，提升大规模点云数据处理效率，实验显示在多个数据集上性能提升显著。

AgriChrono: A Multi-modal Dataset Capturing Crop Growth and Lighting Variability with a Field Robot

AgriChrono：一种捕捉作物生长和光照变化的多模态数据集

Jaehwan Jeong, Tuan-Anh Vu, Mohammad Jony, Shahab Ahmad, Md. Mukhlesur Rahman, Sangpil Kim, M. Khalid Jawed

机构 * Korea University（韩国大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； North Dakota State University（北达科他州立大学） 纠错

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

AI总结 本文提出AgriChrono数据集，通过多传感器平台采集农田动态变化数据，验证了高精度动态非刚性场景重建的挑战，推动农业机器人研究。

Comments Keywords: Agricultural Robotics, In-the-wild Dataset, 3D Reconstruction

Towards Balanced Multi-Modal Learning in 3D Human Pose Estimation

迈向3D人体姿态估计中多模态学习的平衡

Mengshi Qi, Jiaxuan Peng, Xianlin Zhang, Huadong Ma

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出一种平衡多模态学习方法，利用RGB、LiDAR、毫米波和WiFi数据，通过Shapley值算法评估模态贡献并解决模态不平衡问题，提升复杂环境下3D姿态估计性能。

Comments Accepted by CVPR 2026

Walking Further: Semantic-aware Multimodal Gait Recognition Under Long-Range Conditions

行走更远：基于语义的多模态步态识别在远距离条件下的应用

Zhiyang Lu, Wen Jiang, Tianren Wu, Zhichao Wang, Changwang Zhang, Siqi Shen, Ming Cheng

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出LRGait基准和EMGaitNet框架，通过语义引导融合和跨模态对齐提升远距离步态识别性能，验证了方法的有效性。

Comments Accepted by AAAI 2026

IGASA: Integrated Geometry-Aware and Skip-Attention Modules for Enhanced Point Cloud Registration

IGASA: 集成几何感知和跳过注意力模块的增强点云配准

Dongxu Zhang, Jihua Zhu, Shiqi Li, Wenbiao Yan, Haoran Xu, Peilin Fan, Huimin Lu

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出IGASA框架，通过层次金字塔架构和HCLA、IGAR模块提升点云配准的鲁棒性和精度，实验表明其在多个基准数据集上优于现有方法。

Spatial Calibration of Diffuse LiDARs

扩散式时间飞行激光雷达的空间校准

Nikhil Behari, Ramesh Raskar

机构 * MIT（麻省理工学院） 纠错

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

AI总结 本文提出了一种扩散式时间飞行激光雷达的空间校准方法，通过恢复每像素响应图实现激光雷达与 RGB 的跨模态对齐与融合。

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

生成对抗事件：一种运动感知点云框架

Hongwei Ren, Youxin Jiang, Qifei Gu, Xiangqian Wu

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

专题命中 激光雷达 ：autonomous driving(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。

Beyond the Vehicle: Cooperative Localization by Fusing Point Clouds for GPS-Challenged Urban Scenarios

超越车辆：通过融合点云进行协作定位以应对GPS挑战的都市场景

Kuo-Yi Chao, Ralph Rasshofer, Alois Christian Knoll

机构 * Technical University of Munich（慕尼黑技术大学） ； BMW Group（宝马集团） 纠错

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

AI总结 本文提出一种融合点云的协作定位方法，通过多传感器和多模态数据提升GPS不可靠城市环境中的定位精度和鲁棒性。

Comments 8 pages, 2 figures, Driving the Future Symposium 2025

Material-informed Gaussian Splatting for 3D World Reconstruction in a Digital Twin

基于材料信息的高斯点散布用于数字孪生中的3D世界重建

Andy Huynh, João Malheiro Silva, Holger Caesar, Tong Duy Son

机构 * Siemens Digital Industries Software（西门子数字工业软件） ； Dept. of Cognitive Robotics, Delft University of Technology（认知机器人系，代尔夫特理工大学） 纠错

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

AI总结 本文提出一种仅使用相机的3D重建方法，通过高斯点散布和材料信息提取，实现高精度的数字孪生重建，无需激光雷达和复杂校准。

Comments 8 pages, 5 figures. Accepted to IEEE Intelligent Vehicles Symposium (IV) 2026. Revised version (v3) presents camera-ready publication

GMOR: A Lightweight Robust Point Cloud Registration Framework via Geometric Maximum Overlapping

GMOR: 一种通过几何最大重叠实现的轻量稳健点云配准框架

Zhao Zheng, Jingfan Fan, Long Shao, Hong Song, Danni Ai, Tianyu Fu, Deqiang Xiao, Yongtian Wang, Jian Yang

机构 * Beijing Engineering Research Center of Mixed Reality and Advanced Display, School of Optics and Photonics, Beijing Institute of Technology（北京混合现实与先进显示工程研究中心，光学与 photonics 学院，北京理工大学） ； Zhengzhou Research Institute, Beijing Institute of Technology（郑州研究院，北京理工大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Medical Technology, Beijing Institute of Technology（医学技术学院，北京理工大学） 纠错

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

AI总结 GMOR通过仅旋转BnB搜索和几何最大重叠方法，实现高效的点云配准，兼顾精度与效率。

The S3LI Vulcano Dataset: A Dataset for Multi-Modal SLAM in Unstructured Planetary Environments

S3LI Vulcano数据集：用于无结构行星环境多模态SLAM的数据集

Riccardo Giubilato, Marcus Gerhard Müller, Marco Sewtz, Laura Alejandra Encinar Gonzalez, John Folkesson, Rudolph Triebel

机构 * German Aerospace Center (DLR) Institute of Robotics and Mechatronics（德国航空航天中心（DLR）机器人与机电研究所） ； KTH Royal Institute of Technology（皇家理工学院） ； Deptartment of Intelligent Systems（智能系统部门） 纠错

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

AI总结 S3LI Vulcano数据集为无结构行星环境中的多模态SLAM和场景识别算法提供多模态数据及开源工具支持。

Comments Accepted submission to the 2026 IEEE Aerospace Conference

DALD-PCAC: Density-Adaptive Learning Descriptor for Point Cloud Lossless Attribute Compression

DALD-PCAC：基于密度适应的学习描述符用于点云无损属性压缩

Chunyang Fu, Ge Li, Wei Gao, Shiqi Wang, Zhu Li, Shan Liu

机构 * City University of Hong Kong（香港城市大学） ； Peking University Shenzhen Graduate School（北京大学深圳研究生院） ； University of Missouri-Kansas City（密苏里大学-堪萨斯城分校） ； Tencent Media Laboratory（腾讯媒体实验室） 纠错

专题命中 激光雷达 ：LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 DALD-PCAC通过密度适应学习描述符和注意力机制，实现点云无损属性压缩的高效压缩与鲁棒性提升。

Comments Accepted by TOMM

Towards Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups

跨多样尺度、场景和传感器设置的零样本点云配准

Hyungtae Lim, Minkyun Seo, Luca Carlone, Jaesik Park

机构 * Laboratory for Information and Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Department of Computer Science and Engineering, Seoul National University（计算机科学与工程系，首尔国立大学） 纠错

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

AI总结 提出BUFFER-X框架，通过几何自举、分布感知采样和坐标归一化实现零样本点云配准，同时引入BUFFER-X-Lite提升效率，适用于多样场景和传感器设置。

Comments 18 pages, 15 figures. Extended version of our ICCV 2025 highlight paper [arXiv:2503.07940]. arXiv admin note: substantial text overlap with arXiv:2503.07940

RAVES-Calib: Robust, Accurate and Versatile Extrinsic Self Calibration Using Optimal Geometric Features

RAVES-Calib: 一种鲁棒、准确且多功能的无目标外参自校准方法，利用最优几何特征

Haoxin Zhang, Shuaixin Li, Xiaozhou Zhu, Hongbo Chen, Wen Yao

机构 * School of Systems Science and Engineering, Sun Yat-Sen University（系统科学与工程学院，中山大学） ； Defense Innovation Institute, Chinese Academy of Military Science（国防创新研究院，中国人民解放军军事科学院） ； Intelligent Game and Decision Laboratory（智能游戏与决策实验室） ； College of Computer Science and Technology, Harbin Engineering University（计算机科学与技术学院，哈尔滨工程大学） 纠错

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

AI总结 RAVES-Calib通过优化几何特征实现鲁棒且准确的LiDAR-相机外参自校准，适用于多种传感器并开源供社区使用。

GuideNav: User-Informed Development of a Vision-Only Robotic Navigation Assistant For Blind Travelers

GuideNav: 为盲人旅行者开发的基于视觉的机器人导航助手的用户导向开发

Hochul Hwang, Soowan Yang, Jahir Sadik Monon, Nicholas A Giudice, Sunghoon Ivan Lee, Joydeep Biswas, Donghyun Kim

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Maine（缅因大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 GuideNav是一款基于视觉的导航系统，通过教然后重复的方式帮助盲人旅行者导航，无需依赖昂贵传感器，实现了千米级路径跟随。

Have We Scene It All? Scene Graph-Aware Deep Point Cloud Compression

我们是否已经看到了一切？基于场景图的深度点云压缩

Nikolaos Stathoulopoulos, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology（机器人与人工智能组，计算机、电子与航天工程系，卢勒阿大学技术学院） 纠错

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

AI总结 本文提出基于场景图的深度点云压缩框架，通过语义感知编码和结构化解码实现高效压缩，保留结构和语义信息，并支持多机器人系统中的下游应用。

Comments Please cite published version. 8 pages, 6 figures

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 12, pp. 12477-12484, 2025

HiMo: High-Speed Objects Motion Compensation in Point Clouds

HiMo：点云中高速物体运动补偿

Qingwen Zhang, Ajinkya Khoche, Yi Yang, Li Ling, Sina Sharif Mansouri, Olov Andersson, Patric Jensfelt

机构 * Division of Robotics, Perception, and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院） ； Scania Group（斯堪尼亚集团） ； Autonomous Transport Solutions Lab, Scania Group（自主运输解决方案实验室，斯堪尼亚集团） 纠错

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

AI总结 HiMo通过SeFlow++实时场景流估计器，解决点云中高速移动物体引起的运动失真问题，提升动态物体的几何一致性和视觉保真度。

Comments 15 pages, 13 figures, Published in Transactions on Robotics (Volume 41)