跳到正文
11月18日周三
  1. arXiv · 机器人与计算机视觉63

    低带宽协同感知的空间弹性共识方法

    针对车载通信预算受限问题,本文提出 Spatial Elastic Consensus (SEC) 框架,通过双向供需共识分配令牌预算以聚焦关键缺失证据而非冗余信息。该方法采用反膨胀先处理流程确保预算精确合规,并利用轻量形变采样器聚合稀疏消息以补偿空间上下文与姿态漂移。在 OPV2V、V2XSet 及 DAIR-V2X 数据集上,SEC 在 64KiB 严格预算下均取得最佳 [email protected] 性能。

11月17日周二
  1. arXiv · 机器人与计算机视觉58

    DRaGAN:面向汽车雷达感知的多雷达点云动态图注意力编码网络

    论文提出 DRaGAN,一种针对多雷达点云的动态图注意力网络,旨在解决稀疏点和传感器相对各向异性导致的 LiDAR 编码器次优问题。该方法引入基于传感器的角度和距离傅里叶编码以捕捉固定孔径特性,沿视线方向设置门控短长程枢纽节点以实现高效局部全局消息传递,并通过注意力引导的动态重连剪枝弱边并限制潜在连接至两跳邻域。

11月14日周六
11月11日周三
11月6日周五
  1. arXiv · 机器人与计算机视觉67

    Grace-BEV:一种在传感器故障下保持鲁棒的 BEV 感知框架

    针对多模态鸟瞰图(BEV)感知模型对传感器损坏高度脆弱的痛点,论文提出 Grace-BEV 轻量级框架。该框架在 Lift-Splat-Shoot 检测器中引入 LiDAR 引导的图像 -BEV 专家与独立的视觉专家,通过 TrustGate Router 学习样本级混合输出,并利用 FailSafe Fusion Block 进行重校准。

11月4日周三
  1. arXiv · 机器人与计算机视觉78

    MiCaDe:面向自动驾驶的在线激光雷达 - 相机失配变化检测

    MiCaDe 是一种无需标定靶或修改感知栈的在线方案,用于检测激光雷达与相机的外参是否发生漂移。该方法利用标准目标检测器生成的 3D 和 2D 边界框在正确标定下应保持几何一致性的洞察,通过匹配跨模态检测结果推导几何一致性指标,并将其聚合为固定大小批次以生成似然流。

    推荐理由:提出无需标定靶的在线外参漂移检测方法,利用跨模态检测几何一致性实现低误报率监控。

10月20日周二
  1. arXiv · 机器人与计算机视觉58

    UBD-Bench:自动驾驶多模态感知中的单模态分支退化基准与分析

    本文介绍 UBD-Bench 基准,用于研究多模态感知中的单模态分支退化问题。研究发现相机分支在多模态联合训练后普遍出现性能下降,而激光雷达分支变化较弱且依赖模型差异。通过分层探测定位到视觉骨干网络至 BEV 转换路径存在严重退化。作者提出在退化表示层面进行单模态到多模态的蒸馏干预,该方法在所有四个感知任务中均提升了相机分支探测性能和全模型表现。

10月7日周三
  1. NVIDIA Technical Blog13

    如何统一 NVIDIA 软件栈中的 GPU 发起式网络:DOCA GPUNetIO 详解

    NVIDIA 推出 DOCA GPUNetIO,旨在让 GPU 应用的网络与数据传输行为如同由 GPU 直接控制的操作,而非依赖主机驱动服务。该技术通过消除 CPU 在网络事务中间的瓶颈,降低延迟并提升分布式应用的实时响应效率。此方案统一了 NVIDIA 软件栈中的 GPU 发起式网络架构,解决关键路径上的性能限制问题。