跳到正文
10月6日周二
  1. arXiv · 机器人与计算机视觉72

    Radar2Plan:首个面向自动驾驶规划的 4D 雷达基准测试

    Radar2Plan 是一个用于开放回路自车轨迹规划的模块化基准,旨在解决恶劣天气和光照不足下的感知鲁棒性向下游规划转化的问题。该研究利用 DSERT-RoLL 和 MAN TruckScenes 数据集,在统一协议下评估了七种传感器组合(相机、4D 雷达、激光雷达)与四种代表性规划基线的表现,涵盖 12 种天气和光照条件。

  2. arXiv · 机器人与计算机视觉74

    通过接触最大值传播高程图不确定性的闭式解法

    该研究针对风险感知规划器在高程图上计算接触最大值时的精度问题,提出利用 Clark 递归对协方差进行闭式求解的方法。实验显示,该方法将均值的线性化误差从 2.3% 降至 0.19%,并在 CVaR 指标上优于所有测试方法;基准计划耗时仅 5.5 微秒。论文已提交至 2027 IEEE ICRA。

  3. arXiv · 机器人与计算机视觉78

    具备可行域扰动信任区域 SQP 的感知动力学自适应走廊非完整运动规划方法

    针对传统优化类泊车规划器仅在采样时刻施加碰撞约束导致车辆角点穿障的问题,提出一种适用于带倒挡车辆的规划器。该方法在每次迭代均满足离散动力学并保证整车矩形避开障碍物:每个时间步生成一个凸走廊以容纳两端车角并通过扫掠余量收缩;利用分离半平面为初始猜测处于碰撞状态时提供避障方向,后续基于速度、曲率和步长生长对齐航向的盒状区域并在接受步骤后重建。

    推荐理由:提出一种基于优化的泊车规划器,在每次迭代均满足离散动力学且保证车辆矩形不穿入障碍物。

  4. arXiv · 机器人与计算机视觉72

    差异特征图蒸馏:面向高效 Transformer 追踪的跨样本关系知识迁移

    针对自动驾驶感知中 Transformer 追踪器计算量大、难以部署的问题,本文提出差异特征图知识蒸馏(DFM-KD)框架。该方法不直接最小化师生特征的点对点误差,而是通过转移样本间的特征差异来显式对齐特征空间的关系结构,使学生模型能更好地捕捉批次内视觉变化的动态规律。实验表明,该框架在追踪精度和成功率上均优于传统基于特征层面的蒸馏方法。

  5. arXiv · 机器人与计算机视觉45

    构建自动驾驶多传感器平台:挑战与经验总结

    该研究总结了开发灵活多传感器自动驾驶平台的挑战与经验,涵盖机械设计、传感器校准及时间同步等基础问题。作者分享了利用 GNSS 和 NTP 协议实现系统级时间同步、定制不同传感器配置的校准流程以及提升野外部署可靠性的具体缓解策略。这些见解旨在为研发新型多传感器系统的研究人员提供参考,以提升自动驾驶测试的可复现性与鲁棒性。

  6. arXiv · 机器人与计算机视觉58

    基于故障模式感知的 LiDAR 几何与单目语义融合的建筑 AMR 2D 通行性建图研究

    该论文提出了一种面向建筑工地的实时多模态通行性建管流程,利用 LiDAR 作为主要几何安全估计,并通过置信度门控的单目语义信号进行修正。系统能区分平坦路面、地形和岩石地形并标记施工隐患。作者公开了一个来自定制 AMR 的多模态施工现场数据集,包含两个活跃工地的四段闭环 ROS 2 序列数据及 506 个标注帧(涵盖 28 个语义类别)。

  7. arXiv · 机器人与计算机视觉58

    arXiv:未建模状态依赖下的最优控制——结合学习评论家的模型预测控制框架

    论文提出一种基于学习的 MPC 框架,通过残差动力学网络补偿不完整动力学并引入学习动作价值评级的长期 MDP 结构,以解决接触等难建模任务。系统集成了 GPU 加速的批量 iLQR 求解器,在机器人仿真环境中验证了该方法在偏置和未完全建模控制任务中提升闭环性能且保持模型结构的可行性。材料为 arXiv 预印本,发表于 CoRL 2026,未报告真实机器人部署结果或同行评审状态。

  8. arXiv · 机器人与计算机视觉59

    LightVLN:一种具备紧凑记忆与历史引导局部聚合的高效空中视觉语言导航方法

    针对现有空中视觉语言导航模型依赖大参数骨干网络和高密度视觉历史导致算力与内存成本过高的问题,该研究提出了 LightVLN 框架。该方法采用仅 0.5B 的语言骨干网络,利用策略已计算的视觉特征将每个历史帧压缩为单个 token,并通过条件局部聚合将当前观测从 256 个视觉 token 降至 32 个,同时保留导航相关空间信息。

  9. arXiv · 机器人与计算机视觉72

    RiskFly:面向动态杂乱的单阶段敏捷飞行风险场方法

    论文提出了 RiskFly 框架,这是一种单阶段基于学习的规划器,旨在解决未知、杂乱且动态环境中飞行器避障反应滞后的问题。该方法通过双流观测结合深度序列与对齐于视锥体的倒置球面范围图,并引入辅助头回归空间时间风险场,在训练中将表征监督与规划梯度统一在同一空间内。

  10. arXiv · 机器人与计算机视觉72

    在线无目标雷达-LiDAR-相机外参联合优化研究

    论文提出一种针对雷达、LiDAR 和相机系统的在线无目标外参标定框架,通过构建各传感器对的残差并联合优化以最小化整体误差。方法引入基于距离阈值的自适应雷达噪声过滤及跨帧对应关系累积策略,解决稀疏与噪声干扰问题。作者在自建的城市环境数据集上验证了该方法能降低所有传感器对之间的标定误差,优于仅使用相机-LiDAR 的基线方案。

  11. arXiv · 机器人与计算机视觉72

    基于人类行为与真实事故先验的碰撞场景生成方法

    论文介绍 CrashSim 框架,利用真实世界事故先验指导多智能体交通仿真,以更可靠地复现撞击前的演化过程及事故类型分布。作者构建了包含超 4000 个碰撞及准碰撞场景的 nuCrash 数据集,闭环评估显示其比 nuScenes 更能暴露自动驾驶规划器的安全能力差异。

  12. arXiv · 机器人与计算机视觉63

    Autoware 在建筑工地的应用:差距分析与面向非道路自动驾驶的激光雷达感知

    该论文基于 arXiv 预印本,分析了将 Autoware 自主驾驶系统扩展至建筑工地大型自卸卡车时面临的挑战。作者识别了公共道路与非道路应用在感知、建图、定位及控制模块间的差距,重点讨论了针对工地尘土与复杂地形的激光雷达感知管线开发进展及实地测试结果,并提出了通往端到端自动驾驶的路线图。

  13. arXiv · 机器人与计算机视觉58

    从看见到预见:视觉语言模型中的预测性空间推理

    针对现有视觉语言模型主要关注观测场景而缺乏对未来空间状态预测能力的不足,本文提出了 SpatialMind 这一度量级视觉语言模型。该模型通过引入度量深度适配器将空间推理锚定在真实世界尺度,并利用渐进式状态链以当前状态和观测动态为基础进行未来预测。

  14. arXiv · 机器人与计算机视觉74

    面向 3D Gaussian Splatting 重建的微空载飞行器返航可行探索方法

    该研究提出一种拓扑优先的主动重建框架,旨在解决微空载飞行器(MAV)在室内快速 3D 重建时的严格飞行时间预算与安全约束问题。系统优化稠密 3D Gaussian Splatting 作为重建目标,同时利用轻量级截断符号距离场(TSDF)/占据栅格构建稀疏 3D Voronoi 骨架路网以支持保守碰撞检查与在线规划。

10月5日周一
  1. arXiv · 机器人与计算机视觉75

    LightLoc++:面向高效户外激光雷达定位的传感器鲁棒表征学习

    论文针对现有解耦方法依赖预训练骨干网络且对传感器配置变化敏感的问题,提出 LightLoc++ 框架。作者构建了包含 32/64/128 线旋转激光雷达的城市同步多源数据集 SULID,通过跨传感器一致性学习训练出传感器鲁棒的骨干网络。该方法结合样本分类引导与冗余采样下采样技术,在多个户外定位基准测试中实现了最先进的定位性能,同时拥有最低的新场景训练成本。代码与数据集将公开。

  2. arXiv · 机器人与计算机视觉72

    基于统计验证的安全鲁棒神经策略学习:面向机器人 Sim-to-Real 部署

    针对机器人仿真到现实部署中缺乏明确操作区安全性保证且无法修正控制器的挑战,本文提出一种课程驱动的闭环框架,将场景驱动进化策略与基于统计模型检测的验证紧密集成。该方法从候选区域出发,在优化策略性能的同时逐步扩大安全操作边界,最终输出神经控制器及其经统计验证的安全与性能区域。

  3. arXiv · 机器人与计算机视觉68

    OpenBox:一种利用视觉基础模型进行任意三维边界框标注的自动流程

    针对自动驾驶中三维目标检测需降低标注成本及识别未见物体的挑战,本文提出了 OpenBox 两阶段自动标注流程。该方法首先通过跨模态实例对齐将二维图像中的实例线索关联至对应点云,随后根据刚性与运动状态对实例进行分类并生成具有类别特定尺寸统计的自适应边界框。

  4. arXiv · 机器人与计算机视觉65

    多保真度策略梯度稳定数据稀缺强化学习

    论文针对昂贵目标域数据稀缺且噪声大的问题,提出多保真度策略梯度(MFPG)框架,利用廉价低保真数据构建控制变量以降低方差而不引入偏差。作者将该方法扩展至现代 Actor-Critic 架构及 GPU 并行仿真与物理机器人环境,解决了直接优化有偏目标的局限。

  5. arXiv · 机器人与计算机视觉67

    DR-IPC:面向激光雷达四旋翼导航的抗干扰集成规划与控制

    论文提出了 DR-IPC 方法,通过轻量级路径引导与非线性模型预测控制直接生成角速度和推力,结合扩展卡尔曼滤波与非线性扰动观测器实现状态估计与扰动重构。该方法在 Gazebo 和 MARSIM 仿真及室内外实验中验证了抗风、悬吊负载、狭窄通道、球体撞击及动态避障能力。

  6. arXiv · 机器人与计算机视觉70

    Safe Streaming Flow Planning by Aligning Sampling Dynamics with Execution Dynamics

    该论文提出了 SafeStreamingFlow 算法,旨在解决基于扩散/流匹配的生成式规划器在真实部署中面临的计算负担大及分布偏移问题。该方法通过顺序积分学习到的状态向量场与分层状态预测,使采样动力学与执行动力学对齐,仅需对已执行步施加高阶控制屏障函数以满足安全约束。

  7. arXiv · 机器人与计算机视觉78

    月球表面拜占庭探测器识别:基于归因感知的轨迹分析

    论文提出一种针对非合作行星探测器的归因感知轨迹分析方法,旨在解决多探测器共享部署区时的合规验证难题。该方法通过评估候选可信子集的统计一致性而非单个测量有效性,从稀疏遥测数据中重建轨迹并识别提供虚假测量的拜占庭节点。实验表明,该方法在合成仿真和真实类地数据上均能显著优于现有的鲁棒位姿图优化基线。

    推荐理由:提出针对非合作行星探测器的归因感知轨迹估计方法,在存在拜占庭节点时能识别恶意数据并提升轨迹重建精度。

  8. arXiv · 机器人与计算机视觉78

    基于关键时间高斯过程回归的事件相机立体视觉里程计

    该论文提出一种连续时间事件相机立体视觉里程计(VO)管道,通过物理基础的前向加速度白噪声先验将测量插值到精确的时间戳,从而在保持异步测量原生分辨率的同时维持实时运行。

    推荐理由:提出基于关键时间高斯过程的实时事件相机立体视觉里程计,在 MVSEC 和 DSEC 数据集上实现比离散估计器更优的精度与频率。

  9. arXiv · 机器人与计算机视觉78

    从碎片到全局地图:用大语言模型学习向量化地图聚合

    论文提出 MapMergeLLM 框架,将向量化 HD 地图的局部预测片段聚合成全局地图建模为条件序列生成任务。该方法利用坐标 tokenizer 和几何感知预训练精确表示坐标,并引入行级关联损失监督同一地图元素的对应关系。

    推荐理由:提出 MapMergeLLM 框架,利用大语言模型将向量化地图聚合转化为条件序列生成任务,在 Argoverse2 和 nuScenes 数据集上显著优于启发式与优化基线。

  10. Hugging Face Daily Papers78

    Rationale-Guided Policy Optimization:基于自适应推理脚手架的策略优化方法

    针对大语言模型强化学习中奖励稀疏导致优化停滞的问题,本文提出 Rationale-Guided Policy Optimization (RGPO) 框架。该方法将真实推理过程作为临时脚手架辅助模型生成改进响应,随后仅将高奖励的自生解法转移回无引导设置,无需依赖同格式的非策略数据。实验表明,该框架在文本及视觉语言推理任务中均能提升性能并稳定强化学习训练。

    推荐理由:提出利用自适应推理脚手架缓解强化学习奖励稀疏问题,在文本与多模态任务中均优于基线。

  11. Hugging Face Daily Papers82

    结构化 MoE 专家选择以适配智能体强化学习

    该研究针对长程 LLM 智能体常用稀疏混合专家(MoE)模型但行为与结构协同设计不足的问题,发现专家路由在语义相似操作间存在重叠特性。作者提出分层路由控制框架,鼓励轮次级专家选择对齐智能体操作并正则化 token 级选择以维持局部一致性,同时引入熵门控机制解决后训练稳定性问题。

    推荐理由:原文提出分层路由控制框架,解决智能体强化学习中 MoE 专家选择与轨迹结构不匹配问题,在基准测试中成功率提升超 10 个百分点。

10月4日周日
  1. Hugging Face Daily Papers73

    高速公路场景生成的百分位数控制:如何定义角点案例?

    该研究针对自动驾驶仿真中难以精确控制场景极端程度的问题,提出将场景对抗性定义为条件分布中的分位数。通过构建历史条件的风险分位数请求与参考风险分布映射,结合联合扩散模型生成多智能体未来轨迹,实现了在高速场景下对最小后侵入时间(PET)等物理风险的精准调控。实验显示该方法能以 98.75% 的准确率满足分位数请求,误差控制在极小范围内,为安全测试提供了可量化的风险规格接口。

  2. Hugging Face Daily Papers65

    LLM-as-Jev:大语言模型已是 Jev 风格决策模型——何时及如何微调它们

    论文提出 LLM-as-Jev 框架,通过括号内数字标识符的下一个 token 概率直接提取校准后的决策分布,无需生成自由文本即可驱动软件系统行动。研究在 Qwen3.5-4B 和 Qwen3-0.6B 上发现现代大模型原生具备高效决策能力,未训练时 4B 模型即匹配社区同类模型并优于字母 logit 读取方案;微调仅对弱模型或特定任务(如多选项意图路由)有显著提升。

  3. Hugging Face Daily Papers73

    ASCENT:通过验证经验自蒸馏实现长程智能体的在线测试时训练

    论文提出 ASCENT 方法,让大语言模型智能体在执行任务流的过程中,利用自身产生的、经终止信号验证的轨迹进行在线测试时训练(OaTTT)。该方法冻结初始模型作为稳定版本,以 hindsight 视角预测已执行轨迹上的下一 token 分布,并通过蒸馏至持久化 LoRA 权重来更新策略。