跳到正文
10月30日周五
  1. arXiv · 机器人与计算机视觉82

    CrossWeave:基于稀疏 2D-3D 对齐的跨模态场景与实例检索

    论文提出 CrossWeave 框架,旨在通过查询 2D 图像检索对应的 3D 环境或物体,作为机器人空间推理的基础机制。现有方法仅在整体场景或物体层面学习对齐,缺乏细粒度局部结构监督;CrossWeave 证明仅对一组稀疏的 2D-3D 对应关系进行监督即可训练单模型同时完成场景级和实例级检索。

    推荐理由:提出CrossWeave框架,通过稀疏2D-3D对应关系监督实现单模型跨模态检索,在ScanNet和3RScan数据集上超越现有方法。

  2. arXiv · 机器人与计算机视觉48

    无 GPS 环境下带定位约束的最优路径规划算法研究

    该论文提出一种将不确定性作为硬约束的定位受限 A* 规划器,利用扩展卡尔曼滤波传播状态协方差以解决无人机在无 GPS 区域的导航难题。蒙特卡洛仿真与 PyBullet 四旋翼测试表明,该方法相比 RRT* 和 PRM 能找到更短且可靠的路径,同时始终满足不确定性限制并保证最优性。

  3. arXiv · 机器人与计算机视觉78

    Don't Risk It!: Trajectory-Conditioned Distributional Risk for LiDAR-Only Crowd Navigation

    arXiv 论文提出 Don't Risk It Planner (DRIP),这是一个端到端的仅 LiDAR 规划框架,将占用预测与轨迹条件清除及不确定性估计相结合。

    推荐理由:提出仅用 LiDAR 的 DRIP 规划器,通过轨迹条件分布风险评估碰撞概率,在密集人群导航中相比基线减少冻结并提升成功率。

  4. arXiv · 机器人与计算机视觉35

    基于蒙特卡洛采样的快速机器人定位方法研究

    针对受限环境无法依赖外部系统的难题,该方法提出一种仅需前后左右四个距离传感器且无需航向信息的在线粒子滤波定位方案。仿真实验表明,即便在迷宫局部区域高度相似的情况下,移动机器人仍能实现相对准确的定位,为复杂环境下的快速有效定位提供了新途径。

  5. arXiv · 机器人与计算机视觉38

    解剖先验引导路由模块提升肺部肿瘤分割精度

    针对 CT 影像中肺部肿瘤占比小且外观异质难分割的问题,研究提出了解剖先验引导路由模块(APRM)。该方法通过确定性选择解剖路由门控,在共享专家适配器池中实现区域特异性特征适配。实验表明,APRM 在不同骨干网络上均优于基线模型,且特征可视化证实了其对解剖上下文的自适应能力。

  6. arXiv · 机器人与计算机视觉78

    UMI-Live:面向野外数据采集的双手通用操作接口系统发布

    UMI-Live 是一套全栈开源的双手通用操作接口(UMI)系统,旨在无需物理机器人遥操作即可采集数据。该系统集成了相机与激光雷达惯性传感、板载计算及电源,无需外部追踪设备或环境内校准。

    推荐理由:开源了无需外部追踪的双手 UMI 硬件与软件栈,提供同步 SLAM 重建与 VLA 策略训练支持。

  7. arXiv · 机器人与计算机视觉72

    SKiD-SLAM:面向行星任务的资源感知分布式多机器人 LiDAR SLAM 系统

    该研究提出 SKiD-SLAM 系统,旨在解决未来行星探测任务中通信受限、算力有限且无中心基础设施的挑战。团队在公开数据集和 NASA JPL 开源漫游车模拟器上验证了系统模块,随后在韩国济州岛马扬熔岩管洞穴及京畿道 KICT 模拟地形进行了实地部署。

  8. arXiv · 机器人与计算机视觉38

    基于多站点观测的相机框架验证城市骑行设施使用与方向对齐分类方法

    该研究利用运动触发相机在亚利桑那州坦佩市 17 个地点部署,通过人工复核 1,943 起骑行事件并自动化捕捉 92.9% 数据,证实自行车道占比越高逆向骑行率越低(Spearman rho = -0.87)。该框架结合多站点静止相机观测与全人工验证基准,为规划者提供低成本筛查高人行道逆行风险的方案。研究已接受提交至 106 届交通研究委员会年会展示。

10月28日周三
  1. arXiv · 机器人与计算机视觉62

    S3KF:用于全景 3D 多目标跟踪的球形状态空间卡尔曼滤波

    论文提出了 S3KF 框架,利用旋转激光雷达和四鱼眼相机构建几何一致的单位球面状态表示,融合全景检测与激光雷达深度进行多模态跟踪。研究建立了基于穿戴式定位设备的地图真值生成管线以支持量化评估。在自采集真实序列实验中,该方法实现了分米级平面跟踪精度、优于 2D 全景基线的身份连续性以及 Jetson AGX Orin 平台的实时车载运行能力。

  2. arXiv · 机器人与计算机视觉65

    CLEAR-IR:一种在无可见光下利用主动红外传感重建清晰图像的机器人感知框架

    CLEAR-IR 是一个用于在黑暗环境中实现鲁棒机器人感知的新型框架。它通过双流架构从带有发射器图案的红外输入中重建出干净的、类似 RGB 风格的图像,从而解决被动增强方法因物理缺乏传感器信号而失效的问题。评估显示,该框架在物体检测、ArUco 标记检测和视觉 SLAM 任务上表现可靠,适用于从光照良好到完全黑暗的各种条件。

  3. arXiv · 机器人与计算机视觉38

    PIS3R:基于深度三维重建的大视差图像拼接方法

    PIS3R 提出一种基于视觉几何 grounded transformer 与点条件扩散模块的图像拼接方案,有效解决大视差场景下的对齐难题。该方法先通过三维重建获取稠密点云并投影至参考视图实现像素级对齐,再利用扩散模型修复孔洞噪声以保留几何完整性。实验表明该算法在定性定量上均优于现有方法,且结果可直接应用于 SfM 等下游三维视觉任务。

  4. arXiv · 机器人与计算机视觉42

    RESPLE2:基于惯性信息的递归非均匀样条多传感器里程计与全局优化

    RESPLE2 提出一种利用惯性运动学预测控制点并融合 LiDAR、相机及腿运动学的递归多传感器状态估计框架。该方法在手持、 tracked、足式及混合飞行 - 足式平台实测中,于剧烈机动下实现实时运行且精度优于或持平最先进系统。代码与实验数据集已公开发布于指定 URL。

  5. arXiv · 机器人与计算机视觉68

    基于深度像素 - 点对应的通用无目标相机 - LiDAR 标定方法

    针对现有无目标标定方法依赖已知内参和校正图像的局限,本文提出一种全自动框架,联合估计相机内参、径向切向畸变及相机-LiDAR 外参。该方法通过合成增强实现内参感知与畸变感知的对应学习,将基于深度对应的标定从校正图像泛化至原始相机。在 KITTI 数据集未见配置及三个真实机器人平台上进行了零样本评估,结果显示联合标定显著提升了外参精度并恢复了准确的内参。

  6. arXiv · 机器人与计算机视觉68

    MvT:一种用于多目标跟踪的事件驱动多视图投影方法

    该研究针对事件相机在多目标跟踪中因异步输出导致的单视图歧义问题,提出了无需训练的多视图跟踪框架 MvT。该方法包含多视图投影模块和多视图融合阶段,将事件编码为互补的时空视图并统一至 3D 坐标系进行优化关联。在包括自收集的小物体数据集在内的四个数据集上评估显示,MvT 能有效解决单目歧义且优于现有非学习与学习方法。代码已公开。

  7. arXiv · 机器人与计算机视觉35

    MCP-Net:机器人导丝导航的实时冠状动脉感知网络与拓扑分析

    MCP-Net 提出一种以仿真驱动的框架,联合实现从单帧二维 X 射线透视下的冠状动脉血管分割、导丝尖端定位及狭窄病变定位。该框架将预测结果转化为包含中心线、分支角度等结构的血管图,并生成从自动选定的根节点通往目标病变的导航路线图。实验表明,该方法能同时恢复感知目标并将其转换为适合下游机器人导航的可解释血管表示。

  8. arXiv · 机器人与计算机视觉64

    RAVEN:一种用于四旋翼无人机在定位不确定性下快速自主视觉探索的统一主动 SLAM 系统

    论文介绍 RAVEN,这是一个针对四旋翼无人机的统一主动 SLAM 框架,旨在解决未知环境下的快速自主视觉探索与高定位精度之间的平衡问题。该系统通过识别前沿和主动闭环候选点生成全局巡游方案,并利用效用向量量化探索效率与定位精度,最终根据优先级参数选择最优路径。

  9. arXiv · 机器人与计算机视觉53

    LingGS:为高保真高斯 SLAM 解耦前馈几何预测与相机跟踪

    针对单目 RGB 高斯泼溅 SLAM 在有限优化预算下重建质量与响应性不足的挑战,本文提出 LingGS 在线系统。该系统结合学习到的几何先验与显式几何相机跟踪,利用冻结的流式 3D 基础模型作为虚拟 RGB-D 传感器进行深度估计,并通过特征重投影估算相机运动,最终将观测整合为稠密场景表示。

  10. arXiv · 机器人与计算机视觉43

    SAGE:语义增强几何专家用于点云配准

    SAGE 将冻结的预训练点云语义表示集成到配准流程中,无需额外传感器或微调编码器。该模型采用语义引导混合专家架构,在低重叠条件下显著降低几何相似但语义不同结构(如电视角与桌角)的误匹配。实验显示,SAGE 在 3DLoMatch 基准上取得最高召回率,且在同等迭代次数下于 3DMatch 和 3DLoMatch 均实现最高的内点比例与召回率。

  11. arXiv · 机器人与计算机视觉58

    Monst3R 融合事件相机数据提升动态场景重建鲁棒性

    本文提出在现有 RGB-only 的 Monst3R 模型上仅增加一个事件相机输入分支,无需重构架构即可实现 RGB-事件融合。实验显示该方法将三个基准数据集上的平均绝对相对误差(Abs Rel)降低 3.4%,且随着相机和物体运动幅度的增大,性能提升越显著,特别是在高物体运动导致纯 RGB 重建严重退化的场景下效果最佳。

  12. arXiv · 机器人与计算机视觉58

    SVIn+:一种基于三维声纳、视觉惯导及多模态传感器的高鲁棒性水下状态估计框架

    针对水下自主航行器(AUV)在低能见度条件下的状态估计难题,本文提出了 SVIn+ 多模态融合框架。该工作扩展了开源的视觉惯性 SLAM(SVIn),通过紧耦合非线性优化整合水压、多普勒测速仪(DVL)及紧凑三维声纳数据,利用 KISS-ICP 处理声纳结构信息以维持计算效率。

  13. arXiv · 机器人与计算机视觉38

    GSD 约束的 k-覆盖视点规划方法研究

    针对无人机三维重建需满足图像质量且多次观测表面区域的需求,该方法将视点选择建模为带单体覆盖需求的集合多覆盖问题。在两种结构、四种体素分辨率及三种覆盖要求下,提出的动态加权贪心启发式算法实现了完整或近完整的 k-覆盖。相比整数线性规划(ILP)基准,该方法仅增加 3.00%--16.39% 的视点数量,且具备基于覆盖缺失与视点可用性的可解释选择过程。

  14. arXiv · 机器人与计算机视觉59

    SG^2SLAM:面向单目室外导航的空间几何感知 3D 高斯泼溅 SLAM

    针对单目室外导航中传统 SLAM 系统因将跟踪误差累积到地图导致性能下降的问题,该研究提出 SG^2SLAM 方法。该方法通过耦合流式空间几何与射线条件化 3D 高斯泼溅(3DGS)核,利用块级度量先验监督跟踪与建图,并扩展每个原型的观测方向子空间以感知单目相机视角。

10月27日周二
  1. arXiv · 机器人与计算机视觉71

    受可见性约束的测距扫描表面重建

    针对测距扫描中噪声与离群值干扰的问题,本文提出将表面重建建模为沿采集射线的预测首交点深度回归任务,通过惩罚传感器与观测点之间的虚假交点来利用可见性信息。方法将表面表示为 1-Lipschitz 多层感知机的零集,结合线性收敛的球追踪计算首命中点,并使用鲁棒 Huber 损失进行回归,无需法向量、离面采样点或 Eikonal 损失。

  2. arXiv · 机器人与计算机视觉72

    DGT-Map:利用多任务学习的异质车辆方向性全球通行度建图

    该论文提出 DGT-Map 方法,通过自监督框架从 RGB-D 观测和运动信号中学习全局、方向及车辆条件化的通行代价图。共享多任务骨干网络提取跨车辆的通用地形特征,而特定预测头保留平台依赖响应。在仿真环境中集成 Hybrid A* 导航栈评估显示,该方法在处理下坡可通行但上坡不可通行的斜坡、以及部分车辆可越过的山脊障碍等挑战地形时,相比几何、二值及无方向感知基线实现了最高或并列最高的导航成功率。

  3. arXiv · 机器人与计算机视觉82

    FlatVPR:一种用于基础模型特征流形几何校正的即插即用线性残差适配器

    论文提出了 FlatVPR 范式,旨在平衡地图轻量化与定位精度。该方法通过引入可学习的残差变换和基于拉回平坦性的损失函数,抑制基础模型(如 DINOv2)特征空间中的显著曲率,使特征流形近似线性化。实验在 NCLT 数据集上验证了该方法在极端稀疏锚点间隔和季节变化下的有效性。

    推荐理由:提出 FlatVPR 方法,通过几何校正适配器解决基础模型特征流形曲率问题,在稀疏锚点条件下显著提升视觉定位性能。

  4. arXiv · 机器人与计算机视觉60

    CoMo3R-SLAM:面向户外多机系统的协作单目稠密 SLAM 系统

    该论文提出 CoMo3R-SLAM,一种利用学习到的前向 3D 重建先验解决多机单目 SLAM 中尺度与关联难题的系统。各机器人仅凭单路 RGB 流跟踪融合关键帧,协调器通过先验编码器特征检索跨机关键帧,经双向稠密点云匹配验证并统一同步独立相似性度量,最终在统一的 sim(3) 图中优化位姿与深度交替约束下的稠密结构与轨迹。

  5. arXiv · 机器人与计算机视觉75

    HorizonStream:面向流式三维重建的长视界注意力方法

    HorizonStream 针对在线三维重建中现有方法存在的漂移、抖动及长序列崩溃问题,提出一种显式分解几何传播核的长视界 Transformer。该方法通过 Geometric Linear Attention 实现多时间尺度的有界传播,利用带时空 RoPE 的局部注意力抑制注意力陷阱,并通过度量读出 Token 恢复稳定尺度与刚性姿态。