A Geometric Observer for Visual-Inertial Odometry using Optical-Flow Constraints 几何观测器论文
该研究提出了一种利用光流约束的几何观测器,用于单目视觉惯性里程计。该方法无需估计深度或重建运动方向,即可在重力增强群 SE3(3) 上实现速度与姿态误差的全局收敛及局部指数稳定。仿真验证了激发条件、初始误差恢复及对扰动测量的敏感性,论文共 12 页含 6 幅图,已提交至 ECC 2027。
该研究提出了一种利用光流约束的几何观测器,用于单目视觉惯性里程计。该方法无需估计深度或重建运动方向,即可在重力增强群 SE3(3) 上实现速度与姿态误差的全局收敛及局部指数稳定。仿真验证了激发条件、初始误差恢复及对扰动测量的敏感性,论文共 12 页含 6 幅图,已提交至 ECC 2027。
Lasso 首次逆向工程 Intel QuickAssist Technology (QAT) 微架构,将其转化为测量仪器以构建低成本高性能检测器。在文本检测任务中,Lasso 对原始 DetectRL 文本准确率达 100%,经改写后平均准确率为 92%(Binoculars 为 78%,DetectGPT 为 55%),推理延迟仅 0.74 微秒且能耗降低超 99%。
针对混合固态激光雷达数据与传统旋转式传感器结构差异导致现有算法失效的问题,作者提出 GHySSeg 方法。该方法通过追踪扫描曲线并读取高度步长与距离回折两个几何特征,无需训练且无需 GPU 即可实现地面与可行驶道路的实时分割。
针对机载激光扫描点云中电力线的分割与识别问题,研究对比了基于迁移学习的 Point-SAM 方法与规则法,并推导了用于三维悬链线的 RANSAC 数学公式。在法国 LiDAR HD 项目新发布的 PowLiDFR 数据集上验证显示,无监督迁移学习优于规则分割,且 RANSAC 算法在拟合悬链线形状方面表现更佳。该成果共 8 页含 10 幅图,已获 VISAPP 2027 录用并公开提供数据集下载。
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。
针对 GelSight、DIGIT 等光学触觉传感器因成像几何和背景差异导致观测不一致的问题,论文提出 TacBridge 框架。该框架利用跨传感器掩码预训练学习时空表征,并在同传感器与跨传感器重建任务上联合训练,实验证明了其跨传感器泛化性与下游感知任务的迁移能力。
推荐理由:提出 TacBridge 框架,通过跨传感器掩码预训练学习统一触觉表征,验证了多传感器间的泛化与任务迁移能力。
该论文提出了 LiDSeg 框架,旨在解决恶劣天气下鲁棒性语义分割问题。通过联合优化轻量级引导编码器与分割分支,在推理阶段仅保留提取天气鲁棒特征的编码器并丢弃重建解码器,利用门控融合模块保持清晰天气精度并提升抗恶劣天气能力。
该综述建立了机械负载传递、光编码读取与触觉推理的统一框架,评估了反射式、波导及光纤光栅等多种架构在力估计、接触定位和打滑修正中的表现。研究指出高灵敏度仅在变量可识别时有效,且空间覆盖与时序反馈需在系统级综合考量,为选择非成像光学触觉架构提供了校准转移与任务验证依据。
该研究介绍了一种选择性、可控的传感器采集机制,允许用户指定第二传感器的目标使用率,系统仅在主传感器性能不足时自动触发额外传感。该方法通过在线阈值调整适应主传感器近期表现,无需针对特定模态或环境进行校准,适用于单帧和序列定位任务。
Radar Panoptic Transformer(RPT)提出端到端点基网络,利用雷达自适应特征提取与语义引导掩码预测解决稀疏点云分割难题。该模型在 RadarScenes 数据集以 31Hz 实时推理速度达到 71.6% mIoU 和 82.2% PQ 的最优性能。此外,RPT 在 MAN TruckScenes 长程全周视雷达设置(探测距离达 230m)中超越所有评估基线。
该论文提出一种无需束缚手指的多模态框架,利用基于 Vision Transformer 的视觉编码器和基于 Transformer 的 EMG 编码器,配合自由度(DoF)查询 Transformer 融合解码器,实现从眼动 RGB 图像和 128 通道前臂高密度表面肌电信号对 20 个手部关节角度的连续回归。
针对建筑工地夜间及隧道等低光场景,事件相机凭借微秒延迟和超 120 dB 动态范围,在低光测试集上以 27.2 AP 优于 RGB 的 21.3 AP。像素对齐 PEOD 数据集验证了无训练融合方案在所有光照下均达 33.3 AP 的最优性能。研究还发现高速运动是事件检测器的主要挑战,并提出了相机布设指导。
论文介绍 RelMLLM,一种专门用于处理 RGB 和热红外(TIR)传感器输入的 RGB-T 多模态大语言模型。该模型通过显式学习跨模态关系来改进特定任务的决策制定,将模态可靠性、跨模态关系及主导模态表示为可验证的决策状态。
PALIN 是一个大规模内在像素对齐的多模态数据集,包含约 8000 帧来自静态城市路口和多样化移动郊区场景的数据,联合捕捉几何与近红外强度信息。基于该数据集提出的 CMambaFusion 框架利用双向跨模态交互模块和门控拼接 Mamba 模块进行特征融合,实验表明其在纯 LiDAR 及代表性融合基线上实现了更优的精度效率权衡。
针对带宽受限的无人机监控场景,研究如何在 1 Mbps 下行至 1 kbps 时高效传输信息。提出的 BPS 方案在机端运行检测与跟踪器,仅发送由任务卡选出的多帧事件记录(平均 25 字节),优先于位置和图片。
针对近地空间拥堵风险,该研究提出多视角空间目标检测(SOD)协同边缘 AI 框架并系统评测深度学习模型。图像级融合在跨卫星链路带宽约束下,平均将通信与推理延迟降低约 30.13% 至 32.80%,且在高视角集下引入的延迟开销极小。该工作为未来协同卫星网络设计及空间态势感知提供了关键设计洞察。
现代自动驾驶系统主要依赖摄像头、雷达和激光雷达进行环境感知,但这些模态在光照或天气方面存在局限。本文设计了一种水平排列的麦克风阵列作为车辆的“耳朵”,实现了对附近移动车辆在鸟瞰图(BEV)表示下的定位,能够捕捉其相对方向和距离。
论文提出了 RETR,这是首个尝试将事件相机引入 3D 车道检测的工作。作者构建了包含真实世界序列的 DSEC-3DLD 和大规模仿真序列的 Ev-OpenLane 两个多模态基准数据集。
推荐理由:提出首个将事件相机引入 3D 车道检测的模型,在真实与仿真基准上均达到最先进水平。
针对 SAR 转光学翻译中过度合成细节的问题,本文提出 SAR-TopoGuard,这是一个无需训练的推理层,可冻结应用于现有生成器。该方法通过随机采样候选、斑点感知梯度相关性排名以及频率门控机制,仅在 SAR 边缘支持处引入高频细节。在 SEN1-2 等数据集上的评估显示,该方法显著提升了 Pix2Pix、CycleGAN 和 CUT 的 PSNR 与 SSIM 指标,且仅增加极低的推理延迟。
LC-ISP 是一个大规模基准,由相机实时预览流与离线采集流的内在差距构建而成,包含 53.9k 组空间对齐数据,覆盖昼夜、室内外及 HDR 场景。该基准提供用于模块化监督的采集流中间数据,并开发了一个在 2.5-GFLOP 预算下优于最强单帧基线(PSNR 提升超 2 dB)的两阶段轻量级基线模型。
针对薄细裂缝视觉线索弱及标注成本高的难题,FDAM 提出融合盒检测与网格分类的框架,通过频域增强与方向特征细化提升定位精度。该方法在 RoadDistress2026、Crack500 和 DeepCrack 数据集上验证了有效性,代码已开源。
arXiv 论文 LiNO 针对自动驾驶车辆的占用估计任务,提出了一种结合相机与雷达传感器的实时轻量级架构。该方法通过残差多阶段头设计替代了以往依赖重型纯相机模块的方案,并引入特定任务的数据增强策略以提升泛化能力。
全球微电子工程公司迈来芯正式发布首款机电一体化模组MLX90901,为人形机器人指尖提供法向力与切向力的三维力感知能力。该模组基于Tactaxis ® 磁传感技术,集成传感器、磁体及机械结构,支持最大15N法向力和4N切向力测量,具备I²C接口以连接控制器。
迈来芯发布 MLX81132 可编程 24 通道芯片,内置 MCU 与 10BASE-T1S 通信支持集中式控制,单颗可驱动 48 路独立单色或 16 颗 RGB 像素以显著降低硬件成本。
理想汽车联合德赛西威及恩智浦半导体,基于恩智浦Trimension™NCJ29D超宽带(UWB)解决方案,实现近场感知与自动泊车辅助,并已在理想L9 Livis车型上实现量产落地。
蔡司发布由研究与质量解决方案部门开发的计量机器人 TALOS,旨在提升大规模生产中的自动化质量控制水平。该系统无需外部追踪系统或参考标记,支持通过 ZEISS INSPECT 软件进行自动化测量规划。产品专为汽车、航空航天及商用车制造领域设计,兼具机器人灵活性与测量设备高精度特性。
Diodes 发布符合汽车行业的霍尔效应电流传感器 AHC1724Q 和 AHC1725Q,用于车载充电器及充电桩的 AC/DC 电流测量。器件一次侧导体电阻典型值仅 1.2mΩ,支持最高±50A 双向测量且集成低阻铜导电路径以承受高浪涌。紧凑设计结合线性霍尔传感器电路,能在空间受限场景下显著减少功率损耗并缩小 PCB 尺寸。
Diodes Incorporated 扩展 IntelliFET® 系列,发布三款符合汽车标准的第二代高侧功率开关 ZXMS81030SPQ、ZXMS82030S14PQ 和 ZXMS82045S14PQ。这些产品旨在为智能驾驶及具身智能等场景提供可靠的电源管理解决方案,支持 12V 汽车负载的安全驱动需求。
EventSpikeSeg 提出一种结合驻留电容内存与共享模拟处理的混合信号架构,在 GF180MCU 工艺下实现事件相机脉冲分割。该架构在 DSEC 数据集上软件检查点达到 27.976% 平均交并比,但硬件准确率、全网络物理运行及系统能效尚未验证。研究详细表征了 22 个模块家族与 74 个工作点,揭示了存储复制与服务调度作为扩展约束。
论文提出 D2ToF 框架,利用蒸馏扩散策略和多元引导机制,将低分辨率单光子 LiDAR 波形(8x8)一步重建为高分辨率深度图(128x128),推理耗时约 83 毫秒。实验结果显示该方法优于现有基线,解决了极差输入上采样问题。
推荐理由:提出 D2ToF 一步扩散框架,实现单光子 LiDAR 波形到高分辨率深度图的超分辨率重建。
该系统集成 BlueBoat 自主水面艇、深度控制绞车及多参数水质传感器,在路易斯安那州庞恰特雷恩湖和假河开展实地部署。通过自动航点任务采集叶绿素等指标并评估机器学习分类器,验证了模块化平台重复收集多模态数据的可行性,为未来自主监测系统奠定基础。
本文提出了 Lens 系统,一种无需针对特定类别训练检测器的语义搜索方案。该方法利用冻结的自监督视觉 Transformer(DINOv3)提取特征,通过投影消除位置偏差并中心化,结合余弦相似度进行实时检索。系统支持跨数千图块的实时范围搜索与场景级检索,并在 DFC2020 测试集上实现了优于基线的性能,单次点击响应时间为 6 至 10 毫秒。
针对现有统一恢复网络在边缘和纹理处易出现结构退化的问题,本文提出一种引入预训练结构知识的框架。模型接收包含原始马赛克、CFA 掩码及噪声图的五通道输入,利用 SwinIR 分支进行像素级重建,并行结构推理分支从稀疏伪 RGB 提取结构线索,并通过轻量适配器融合特征以缩小域差距。共享解码器联合预测恢复后的 RGB 图像和辅助清洁马赛克,在多种 CFA 模式和噪声水平下均优于最先进方法。
论文提出 BMT 模型,这是一个统一的分层 Vision Transformer,通过多尺度 one-hot 条件耦合 SAR 转光译码与语义分割任务。该架构利用共享编码器、门控 LocalViTBlock 和颜色校准生成头,在 WHU-OPT-SAR 数据集上实现了最佳的 SSIM 和 PSNR 指标,其生成的土地覆盖图性能接近 DeepLabV3+。
论文提出 AVI-HT 方法,利用同步的多模态训练数据(穿戴式视觉与 6-DoF IMU)及跨传感器深度注意力机制,实现对重度遮挡下的高精度三维手部姿态追踪。在 DexGloveHOI 数据集上的实验表明,该方法相比基线将平均关键点误差降低 16.1%,腕部对齐变体降低 24.2%,并将手指与物体的接触丢失率减少 8.5%。该工作已接受发表于 NeurIPS 2026。
该系统基于 Face2PPG 管道与 FRP-Actor 混合模型,在双电脑环境下实现 30 FPS 连续运行并提取心率、呼吸率及血氧饱和度。研究在 COHFACE、LGI-PPGI、UBFC-RPPG 等四个公开数据集上评估了性能,并在五场各 10 分钟的现场测试中验证了与医用指夹式脉搏血氧仪的一致性。代码已开源,系统旨在解决资源受限平台上的可扩展性与互操作性挑战。
ScrewSense 利用深度学习在螺丝驱动工艺中实现异常检测与多类别错误分类,准确率最高达 100%。该模型基于扭矩和旋转角度的多元时间序列数据训练,展现了强泛化能力并消除对专家知识的依赖。作为被第 59 届 CIRP 制造系统会议(CMS 2026)接受的预印本,其代码与权重尚未开源,旨在显著降低工业场景下的人工分析工作量。
该论文提出了 STeP-C(Spatio-Temporal Predictive Compression)框架,针对分布式光纤传感产生的海量连续数据,实现了空间编码、时间预测与熵优化残差编码的端到端训练。
CT-SGAL-LIO 提出一种无需修改估计器即可平滑离散 SGal(3) 后验位姿流的连续时间细化模块。该方法在 GRAND-TOUR、MCD 和 GEODE 三个基准的 17 个序列上,将相对轨迹误差(RTE)提升最高 70%,并在 R-Campus 场景中使后验跳变减少 85.4%。作者计划开源代码与结果以支持社区验证及复现。
AdaEye 系统研究了可见光(VIS)及跨光谱(VIS/NIR)场景下的眼周识别输入与骨干网络缩放,相比全脸方案将每图计算成本从 6.30 GMACs 降至 1.64 GMACs 并提升约三倍吞吐量。