跳到正文
11月10日周二
  1. arXiv · 机器人与计算机视觉63

    重新思考雷达 3D 感知:从原始谱表示学习

    论文挑战了原始雷达谱因噪声过大而不适合直接学习的传统观点,提出利用自监督掩码建模(Leakage-aware Spectral MAE)从原始数据中分离结构信号与噪声。该方法将多普勒作为主要空间维度处理,无需手工降维即可在 3D 感知任务上超越现有基于雷达的探测器和点云自监督学习基线。材料为 NeurIPS 2026 接收的预印本,包含完整正文、5 张图和 18 个表格。

  2. arXiv · 机器人与计算机视觉48

    Galilean Robots, Aristotelian Sensors:联合时空轨迹估计与外参标定新方法

    该方法利用伽利略群表示机器人轨迹、亚里士多德子群表示传感器外参,通过群结构直接耦合运动与时序偏移,无需单独参数化连续时间轨迹。研究开发了扭率与 IMU 驱动的运动先验,兼容理想与非理想时钟,在相机、位置及测距测量下实现了与现有方法相当的仿真和真实实验性能。该简化框架在不牺牲性能的前提下提升了多传感器状态估计的使用体验。

  3. arXiv · 机器人与计算机视觉49

    PTC-IoU:面向边缘视频分析的 CPU 友好型检测质量评估方法

    PTC-IoU 将检测框历史压缩至 CPU 以估算边缘端无标签场景下的检测质量,在 Nvidia Jetson Orin Nano 上相比神经网络基线延迟从 10.3 ms 降至 2.2 ms。该方法流水线吞吐量提升 13.6%,能耗降低高达 95%,同时在多个数据集上保持了具有竞争力的最终检测精度。

  4. arXiv · 机器人与计算机视觉45

    TMT:通过文本衍生的模态知识迁移适配红外图像

    TMT 模型利用成对可见光 - 红外图像,仅凭文本嵌入差异方向引导 CLIP 图像编码器适配红外成像。该方法引入生成感知协同监督机制,在四个源域不交的红外分类基准上实现最高零样本准确率(48.92%),并在无红外文本监督下取得最佳检索效果与 CART、SemanticRT 数据集上的最高开放词汇分割 mIoU。

  5. arXiv · 机器人与计算机视觉35

    Color wave:主动屏幕光照在远程人脸认证注入攻击检测中的系统评估

    Color wave 通过设备屏幕引入随机视觉刺激,对静态图像、预录视频及实时深度伪造三类注入内容进行分类与检测。实验显示该方法在受控条件下具备强判别信号,但在过曝、低亮度及主体运动等工况下存在性能局限。研究建立了针对注入攻击的专用评估协议,揭示了主动光照机制在不同操作条件与规避策略下的成功或失效原因。

  6. arXiv · 机器人与计算机视觉57

    工业机器视觉中超分辨率与压缩伪影去除的端到端联合训练研究

    针对工业边缘设备图像因降采样和压缩导致的分辨率损失及伪影问题,本文提出一种集成超分辨率(SR)与压缩伪影去除(CAR)的端到端质量增强框架。该框架采用统一训练策略,平衡人眼感知与机器视觉目标,并探索了固定权重与基于不确定性的动态权重损失函数以优化重建质量与下游任务性能。

  7. arXiv · 机器人与计算机视觉42

    Calibrated Alarm Thresholds for Compact Fire and Smoke Detectors 提出基于分割 conformal 的阈值校准方法,解决 YOLOv8n 等检测器在 D-Fire 测试集上的漏报率差异问题。该方法使两种检测器在所有规则下均满足 10%、5% 和 1% 的目标漏报率,无火烟图像误报率控制在 1.2%-3.0%,并分析了主要失效案例。

    Calibrated Alarm Thresholds for Compact Fire and Smoke Detectors 提出基于分割 conformal 的阈值校准方法,解决 YOLOv8n 等检测器在 D-Fire 测试集上的漏报率差异问题。该方法使两种检测器在所有规则下均满足 10%、5% 和 1% 的目标漏报率,无火烟图像误报率控制在 1.2%-3.0%,并分析了主要失效案例。

  8. arXiv · 机器人与计算机视觉72

    单雷达双侧近场成像用于移动机器人

    针对移动机器人在室内环境中对路径两侧家具和结构的三维感知需求,本文提出一种运动辅助的单雷达双侧近场成像框架。该方法利用球形波前模型关联场景反射率与步进频率多输入多输出观测数据,通过双边发射天线组合实现宽带方向加权,结合滑动孔径反投影进行相干聚焦,并利用 Top-K 功率融合整合不同可见性的局部图像。

  9. arXiv · 机器人与计算机视觉82

    相同测量预算下不同的速度风险:时钟不确定性下的互补卷帘快门读出

    该论文研究了在曝光时间存在不确定性时,具有相同测量预算的相机 rigs 如何表现出不同的速度估计率。作者建立了滚动快门重建的理论框架,区分了两种读出策略的风险阶数:重复读出的最坏情况平方速度风险至少为 $ ho_{ ext{eff}}$ 量级,而互补读出的极小极大风险为 $ ho^2$ 量级(其中 $ ho_{ ext{eff}}$ 为固定允许的时钟位移)。

    推荐理由:原文建立了滚动快门在时钟不确定下的速度风险理论,区分了不同读出策略的误差阶数。

  10. arXiv · 机器人与计算机视觉20

    海底地形嵌入的可靠性:冻结编码器在合成孔径声纳中的重复观测测量

    针对合成孔径声纳(SAS)图像,研究使用冻结的自然图像编码器 DINOv3 ViT-S/16 发现其重复观测一致性差,距离内类相关系数仅为 0.20。尽管线性探针在珊瑚分类任务上表现稳定(AUC 0.93),但标准指标未能检测出这种几何依赖的测量不可靠性。研究建议评估海底表示时应补充重复观测可靠性分析,以区分斑块特征与采集几何的影响。

  11. arXiv · 机器人与计算机视觉38

    Beyond Hash Matching:AI 检测未知 CSAM 技术综述与欧盟法律影响分析

    针对传统哈希匹配无法识别未知儿童性虐待材料的挑战,本文分类综述了实时音视频分析、内容分类打标及行为监控三类 AI 技术。实验对比 Google Cloud Vision AI 和 Sightengine 在色情内容分类及青少年年龄估计上的差异,指出后者存在显著局限并强调 AI 仅能作为辅助工具而非最终判定依据。

  12. 盖世汽车 · 汽车资讯38

    灵猴机器人液态单目相机首发订单突破1000台

    灵猴机器人宣布面向具身机器人的液态单目相机首发订单于11月10日突破1000台,该产品在工博会发布后不足一个月即达成。其核心采用柔性变焦技术,通过调节液态镜片屈光度实现毫秒级连续对焦,解决定焦相机在动态场景中的虚焦问题。该技术路径将工业成熟光学能力迁移至机器人领域,旨在提升移动导航、柔性抓取及人机交互等场景的视觉稳定性。

  13. Vision Systems Design3

    Emergent Vision Technologies 发布全球首款 200GigE 面阵与线扫相机及 AEOLUS H.265 压缩新品

    Emergent Vision Technologies 在 VISION 2026 展会推出全球首款 200GigE 面阵和线扫描相机,同时发布支持 AEOLUS H.265 压缩的相机、BOLT 与 ZENITH 系列的新索尼传感器,以及更快的 10/25/100GigE 线扫型号。新品还具备 RF/MFT 镜头控制功能,旨在为工程师和集成商提供高性能视觉自动化解决方案。

  14. The Robot Report28

    Synaptics Scan Core 架构如何最小化自主移动机器人的 Wi-Fi 漫游中断

    Synaptics Scan Core 采用专用扫描架构,在保持主无线电处理应用流量的同时持续监测邻近接入点,实现主动漫游以支持<80ms 延迟和<2%丢包率。该方案通过分离网络发现与应用流量,解决了传统 Wi-Fi 因背景扫描导致的连接中断、高功耗及延迟问题。此技术适用于制造、物流等需连续视频流与 AI 推理的自主移动机器人场景。

11月9日周一
  1. 盖世汽车 · 汽车资讯28

    Allegro MicroSystems 推出面向新一代 ADAS 的 48V 电源及精密传感解决方案

    Allegro MicroSystems 推出包含 A81481“真 48V"PMIC、AMD89106/AMD89186 栅极驱动器及 A17810 感应式扭矩传感器的完整产品组合,助力汽车架构从 12V 向 48V 平稳过渡以支持下一代高级驾驶辅助系统。该方案通过引脚布局与寄存器兼容的架构实现一次设计多平台通用,并凭借高精度转向扭矩测量功能简化机械设计且无需磁铁及复杂屏蔽措施。

  2. arXiv · 机器人与计算机视觉72

    小型四旋翼无人机的车载毫米波雷达动态避障感知

    该论文提出了首个基于毫米波雷达的无人机车载动态避障感知与控制系统,分析了感知范围、相对速度与控制延迟之间的时空边界条件。系统结合轻量级交互多模型跟踪器与直接输出规避加速度的控制屏障函数控制器,在 Raspberry Pi 4B 上实现端到端处理延迟约 14ms,从检测到规避指令的系统总延迟为 75ms。

  3. arXiv · 机器人与计算机视觉5

    GELS 系统实现内窥镜医疗工具的闭式 6-DoF 位姿估计

    GELS 系统利用紧凑磁强计阵列,无需预校准场图即可通过欧拉齐次关系实现内窥镜医疗工具的内窥导航与亚级偶极子定位。基准实验验证了该闭式 6-DoF 定位流程,求解器中位运行时间为 172.00 微秒。扰动分析指出传感器不一致性与偶极模型失配是主要精度限制因素。

  4. arXiv · 机器人与计算机视觉58

    EventHOI:面向智能眼镜的事件驱动资源高效手物交互日志记录

    该论文提出 EventHOI 系统,通过耦合选择性 RGB 捕获与手物交互感知编码,利用低功耗事件传感器确定何时需要 RGB 采集及何处保留视觉细节,并结合 IMU 自运动消除以指导触发与压缩。原型系统在 50 小时基准测试中相比纯 RGB 基线降低后端功耗 5.8-10.4 倍、上行带宽 2.9 倍,且交互识别精度损失极小,使智能眼镜通过 BLE 稳定传输视频成为可能。

  5. arXiv · 机器人与计算机视觉48

    TriNetra:热可靠性引导的 RGB-热成像融合与跟踪监视框架

    TriNetra 是一种基于帧级热可靠性系数(TRC)的监视框架,通过自适应门控机制在热传感器饱和或模糊时降低其权重。该方案在 M3FD 基准测试中达到 87.6% 精度和 47.8% mAP@50:95,相比固定门控策略在热流受干扰时将 mAP@50 提升 5.1 个百分点。研究还验证了其在合成基准及 14 个 M3FD 片段上的跟踪性能,并公开了预印本论文与实验代码。

  6. arXiv · 机器人与计算机视觉23

    SpconvTransformer 融合卷积与 Transformer 架构实现车辆激光雷达 3D 目标检测

    SpconvTransformer 模型通过融合卷积分支的局部特征与 Transformer 分支的全局上下文,在车辆激光雷达 3D 目标检测和鸟瞰图检测任务中分别达到 81.45% 和 88.09% 的平均准确率。该架构将方向相似度提升至 91.10%,显著优于现有算法,有效解决了三维卷积神经网络感受野受限的问题。论文发表于 CAIBDA 2026,代码与权重暂未提及开放许可。

  7. arXiv · 机器人与计算机视觉28

    RadarDINO:将视觉基础模型蒸馏至毫米波雷达以实现人体网格重建

    RadarDINO 框架通过校准的 RGB-雷达几何将 DINOv3 描述符转移至雷达体素,引入显式几何监督与顶点关节损失以约束重建形状。该方法在 M4Human 数据集上优于所有三个评估分支的最先进基线,解决了稀疏点云信息丢失及原始张量缺乏细粒度语义的挑战。

  8. arXiv · 机器人与计算机视觉16

    HMMF-Net:一种用于精准水产养殖的轻量级多帧多模态融合网络

    HMMF-Net 提出分层双向信使跨模态融合机制,结合视觉分支与声学分支实现鱼投喂强度评估。在 AV-FFIA 数据集五折交叉验证中,该模型达到 96.77% 准确率、3.987M 参数量及 11.54 ms 推理延迟。部署于 NVIDIA Jetson Orin Nano 边缘平台时,相比最佳视觉配置将分类误差降低 28.38%,有效解决了单模态易受干扰及多模态计算量大的问题。

  9. arXiv · 机器人与计算机视觉63

    CoMET:一种用于异步车路协同 3D 检测的共享姿态误差追踪方法

    论文 CoMET 针对车端传感器无法观测而路侧传感器可观测的车辆,提出了一种无需训练参数的共享平移误差追踪方法。该方法在决策时刻仅利用可用信息,通过匹配互为最近邻的检测对来估计偏移量并更新卡尔曼滤波,从而修正所有路侧检测框(包括车端未见的目标)。

  10. arXiv · 机器人与计算机视觉23

    跨点电阻阵列时域优化读取方法提升触觉传感鲁棒性

    针对长互联线与噪声干扰导致传统频域读取不准的问题,该方法通过拟合时域观测模型直接确定电阻值。仿真显示在 16x16 阵列中均方根误差降低 20%,千次试验验证下均值与标准差分别减少 24.6% 和 77.6%。研究已获 IEEE Sensors 2026 接收,代码与数据开放许可待注册。

  11. arXiv · 机器人与计算机视觉12

    UAV-Based Computer Vision for Cattle Detection and Feed Bunk Spatial Analysis 提出基于无人机的计算机视觉框架,在巴西马托格罗索州商业牛场实现牛只检测与饲喂槽空间分析。

    该研究利用无人机采集数据并标注牛头与牛背类别,评估 YOLOv8 small 模型在 NVIDIA RTX 5060 Ti GPU 上的推理性能,达到 2.7 ms/帧的延迟和 84.30% mAP50 精度。结合 SAM 分割与几何指标(RMSD、CV),系统成功区分了饲喂槽内牛群的规则与非规则空间分布模式,为精准畜牧养殖提供客观评估工具。

  12. arXiv · 机器人与计算机视觉78

    毫米波雷达人体状态感知受限因素分析:误差理论与策略评估

    针对烟雾、黑暗及隐私敏感环境下的机器人感知需求,本文提出将人与环境视为时变散射场的统一框架,并推导了基于带宽、孔径、信噪比等参数的联合定位误差理论下限(Cramer-Rao 型)。研究利用现有帧融合、多视角和姿态估计方法作为探针验证该理论,实验表明增加第二视角可将关节平均位置误差从约 97mm 降至 65mm,而更强估计器主要通过补全无法解析的关节来降低整体误差。

    推荐理由:该文建立毫米波雷达人体感知的误差理论下限,并通过实验验证不同策略对误差的影响方向与幅度。

  13. arXiv · 机器人与计算机视觉72

    超越 LiDAR 覆盖范围的稀疏深度补全:外推性至关重要

    针对真实相机 -LiDAR 系统中 LiDAR 覆盖不足的挑战,该研究提出了一种仅利用原始单扫描 LiDAR 稀疏监督的深度补全方法,无需密集深度标签、LiDAR 累积或伪 LiDAR 生成。该方法结合冻结的单目深度基础模型与轻量级帧对齐模块,并通过高频法线一致性损失进行正则化,在超越 LiDAR 覆盖的区域实现了较强的深度精度,同时在覆盖区域内保持竞争力。

11月7日周六
  1. 盖世汽车 · 汽车资讯35

    智己 LS8 NEO 纯电版正式上市,起售价 23.98 万元

    智己 LS8 NEO 纯电版今日上市,推出 93 度与 103 度电池版本,权益价分别为 23.98 万元和 25.98 万元。新车长宽高为 5085/2000/1807mm,轴距 3060mm,全系标配宁德时代电池、全域 800V 架构及双向 24 度后轮转向。智驾系统采用 520 线激光雷达与英伟达 Thor 芯片,座舱搭载高通 8295P 芯片与 27.1 英寸 5K 屏。

  2. 智东西 · 机器人50

    中科慧远启动 A 股 IPO,推出 CASIVIBOT Z1-Lite 与 Z1-SE 具身质检机器人

    中科慧远视觉技术于 2026 年 11 月 7 日完成辅导备案登记,正式启动 A 股上市进程。公司由中科院博导张正涛创办,构建了“慧视”、“慧脑”及“慧灵”三大标准化平台,并推出搭载多模态成像系统的 CASIVIBOT 工业具身质检机器人。目前该机器人已发布 Z1-Lite、Z1-SE 两款型号,分别面向微电机电子检测与硬质材料刀具检测场景,产品在国内服务五十余家行业龙头企业。

11月6日周五
  1. 盖世汽车 · 汽车资讯18

    意法半导体推出用于边缘人工智能汽车计算的 STM32A 系列

    意法半导体宣布推出全新的 STM32A 系列微控制器,将其统一平台扩展至汽车及安全关键型系统领域。该系列依托二十多年积淀,旨在通过提升跨工业、汽车和机器人应用的连贯性与复用性,助力开发人员更快将先进嵌入式系统推向市场。产品同时满足各细分市场在功能安全、信息安全及长期供货周期等方面的特定需求。

  2. 盖世汽车 · 汽车资讯58

    英飞凌推出首个基于 RISC-V 的 AURIX RC1 微控制器系列

    英飞凌在慕尼黑电子展展示其首个基于 RISC-V 架构的微控制器平台 AURIX RC1,旨在为软件定义汽车及物理人工智能提供实时控制能力。该平台整合了原有 Aurix 和 Traveo T2G 产品线,支持从传统 MCU 到混合 MCU/MPU 的配置,最多集成 12 个 32 位内核并具备边缘 AI 加速功能。样品计划于 2027 年上半年提供,未来还将推出 64 位微处理器系列。

  3. arXiv · 机器人与计算机视觉78

    超越步态:基于毫米波点云的日常生活活动人员识别

    针对室内行走片段化导致步态识别受限的问题,该研究提出利用毫米波雷达点云进行日常生活活动(ADL)的人员身份识别。作者构建了包含七类核心 ADL 的 mm-ADL 数据集,并提出了双流静态动态 PointNet(DS-SDPNet)架构以捕捉空间形态与运动动力学特征。

    推荐理由:该工作提出 DS-SDPNet 架构,在毫米波点云上实现跨日常活动的身份识别,为稀疏雷达数据下的生物特征分析提供了新基准。

  4. 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。