最近更新

AdaWorld: Learning Adaptable World Models with Latent ActionsAdaWorld通过信息瓶颈自监督提取上下文不变的潜在动作，并以此条件预训练自回归世界模型，实现无需训练的动作迁移与高效适应。 · 文献 · 精读 · 2026-07-20

BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal TransformersBEVFormer通过预定义网格BEV查询与时空注意力，从多相机图像与历史BEV中自适应聚合信息，生成支持多感知任务的统一BEV特征。 · 文献 · 精读 · 2026-07-20

DRL-Based Trajectory Tracking for Motion-Related Modules in Autonomous Driving用DRL（结合域随机化与后优化）实现更鲁棒、精确的轨迹跟踪，在高初始速度下显著优于启发式方法。 · 文献 · 精读 · 2026-07-20

DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object DetectionDeepFusion在深度特征层融合激光雷达与相机，并用InverseAug与LearnableAlign解决增强导致的对齐难题，从而提升多模态3D目标检测精度与鲁棒性。 · 文献 · 精读 · 2026-07-20

Deformable DETR: Deformable Transformers for End-to-End Object DetectionDeformable DETR用只关注参考点周围少量采样点的可变形（多尺度）注意力替换标准Transformer注意力，使DETR在COCO上以约10倍更少训练epochs取得更好性能（尤其小目标）。 · 文献 · 精读 · 2026-07-20

End-to-End Object Detection with TransformersDETR通过Transformer编码器-解码器与二分图匹配集合损失，将目标检测变为直接并行输出固定大小物体集合的端到端问题，在COCO上达到与优化后Faster R-CNN相当的性能。 · 文献 · 精读 · 2026-07-20

Exploring the Limitations of Behavior Cloning for Autonomous DrivingMetadata-only：Exploring the Limitations of Behavior Cloning for Autonomous Driving · 文献 · 精读 · 2026-07-20

FB-OCC: 3D Occupancy Prediction based on Forward-Backward View TransformationFB-OCC基于前向-后向视图变换，结合联合深度-语义预训练、体素-BEV联合表示、模型扩展与后处理，在nuScenes占用预测上取得54.19% mIoU并获挑战赛第一。 · 文献 · 精读 · 2026-07-20

Is Behavior Cloning All You Need? Understanding Horizon in Imitation LearningMetadata-only：Is Behavior Cloning All You Need? Understanding Horizon in Imitation Learning · 文献 · 精读 · 2026-07-20

Motion planning with sequential convex optimization and convex collision checking如何把带碰撞与动力学约束的运动规划写成**序列凸优化（SCP）**可迭代求解的形式。 · 文献 · 精读 · 2026-07-20

OpenVLA: An Open-Source Vision-Language-Action ModelOpenVLA是基于Llama 2与融合DINOv2+SigLIP视觉编码器的7B开源VLA，在970k Open X-Embodiment轨迹上训练，实现通用多机器人操作与高效微调，优于更大闭源模型。 · 文献 · 精读 · 2026-07-20

PETR: Position Embedding Transformation for Multi-View 3D Object DetectionPETR通过3D位置嵌入变换将多视角2D特征转化为3D位置感知特征，实现简单端到端的多视角3D目标检测并取得SOTA。 · 文献 · 精读 · 2026-07-20

PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous DrivingPPAD以自回归方式在每个时间步交错预测（agent）与规划（ego），通过ego-to-agent/map/BEV层次化交互生成更准确的规划轨迹。 · 文献 · 精读 · 2026-07-20

RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic ControlRT-2 通过将机器人动作 token 化并与网络规模 VQA 等任务共同微调 VLM，直接输出低层控制动作，从而把网页知识迁移到机器人闭环控制并获得涌现能力。 · 文献 · 精读 · 2026-07-20

Reinforced Imitative Trajectory Planning for Urban Automated DrivingRITP通过在actor-critic中集成动作采样器与模仿学习监督，实现多步轨迹规划，配合Transformer贝叶斯奖励与混合优化框架，在nuPlan闭环评估中优于同结构基线并接近SOTA。 · 文献 · 精读 · 2026-07-20

Trajectory optimization of connected and autonomous vehicles at a multilane freeway merging areaMetadata-only：Trajectory optimization of connected and autonomous vehicles at a multilane freeway merging area · 文献 · 精读 · 2026-07-20

VAD: Vectorized Scene Representation for Efficient Autonomous DrivingVAD 将驾驶场景建模为全向量化表示（智能体运动向量与地图向量），通过查询交互与实例级规划约束实现高效、安全的端到端轨迹规划。 · 文献 · 精读 · 2026-07-20

World-in-World: World Models in a Closed-Loop WorldWorld-in-World提出统一闭环在线规划与动作API，在四类具身任务上以任务成功率为首要指标评测世界模型，发现视觉质量不等于成功、后训练action-observation数据扩展优于升级预训练生成器、推理时扩展能显著提升闭环性能。 · 文献 · 精读 · 2026-07-20

nuScenes: A Multimodal Dataset for Autonomous DrivingnuScenes是首个全传感器套件、含雷达与属性标注的大规模多模态自动驾驶数据集（1000个20s场景），并定义了基于中心距离的3D检测/跟踪指标与基线。 · 文献 · 精读 · 2026-07-14

Sparse4D v1 文献笔记如何在多相机 3D 检测中，以少量目标相关的 3D anchors 替代 dense BEV 网格，并融合跨帧观测。 · 文献 · 精读 · 2026-07-11

Sparse4D v2 文献笔记如何将前一帧的高置信目标状态直接作为下一帧 decoder 的输入，以稳定地利用时序信息。 · 文献 · 精读 · 2026-07-11

Sparse4D v3 文献笔记如何在 v2 的 recurrent instance memory 上提升检测质量并输出稳定的跨帧目标 ID。 · 文献 · 精读 · 2026-07-11

SparseDrive 文献笔记如何将 Sparse4D 风格的稀疏场景表示从检测与跟踪扩展到端到端自动驾驶规划。 · 文献 · 精读 · 2026-07-11

2nd Place Solution for CVPR2024 E2E Challenge: End-to-End Autonomous Driving Using Vision Language ModelMetadata-only：2nd Place Solution for CVPR2024 E2E Challenge: End-to-End Autonomous Driving Using Vision Language Model · 文献 · 中文笔记 · 2026-07-19

3D Object Detection for Autonomous Driving: A Comprehensive SurveyMetadata-only：3D Object Detection for Autonomous Driving: A Comprehensive Survey · 文献 · 中文笔记 · 2026-07-19

3D Object Detection for Autonomous Driving: A Survey全面综述自动驾驶3D目标检测，从模态分类方法并分析挑战与SOTA，指出领域仍处早期阶段。 · 文献 · 中文笔记 · 2026-07-19

3D Scene Generation: A Survey本文系统综述3D场景生成，将其组织为程序化、神经3D基、图像基与视频基四大范式，并覆盖表示、数据集、评估、应用、挑战与未来方向。 · 文献 · 中文笔记 · 2026-07-19

3D Visual Illusion Depth Estimation3D视觉错觉会误导SOTA单目与双目深度估计，本文构建大规模错觉数据集并提出VLM驱动的单目-双目自适应融合框架，在错觉场景上达到SOTA性能。 · 文献 · 中文笔记 · 2026-07-19

A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks用边缘辅助LLM做语义抽象+6G低时延连接，在分层架构下显著降低舰队级TADVN协调时延与通信开销并提升任务成功率（仿真趋势）。 · 文献 · 中文笔记 · 2026-07-19

A Conversational Framework for Human-Robot Collaborative Manipulation with Distributed Generative AI modelsMetadata-only：A Conversational Framework for Human-Robot Collaborative Manipulation with Distributed Generative AI models · 文献 · 中文笔记 · 2026-07-19

A Multi-Drone Multi-View Dataset and Deep Learning Framework for Pedestrian Detection and Tracking提出MATRIX动态多无人机多视角数据集与实时标定+BEV特征融合框架，在复杂遮挡场景下维持约90%检测跟踪精度并优雅应对相机失效。 · 文献 · 中文笔记 · 2026-07-19

A New Literature Review of 3D Object Detection on Autonomous DrivingMetadata-only：A New Literature Review of 3D Object Detection on Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

A Survey of Autonomous Driving: Common Practices and Emerging Technologies本文系统综述自动驾驶常见实践与新兴技术，对比模块化与端到端等架构，指出level 4/5与城市场景鲁棒性仍为开放问题。 · 文献 · 中文笔记 · 2026-07-19

A Survey of Deep Learning-Based Object Detection本文系统综述深度学习目标检测方法，重点分析两阶段与一阶段检测器架构、典型基线、数据集及应用，并讨论高效系统构建与发展趋势。 · 文献 · 中文笔记 · 2026-07-19

A Survey of Large Language Models本文系统综述了大语言模型的背景、关键发现与主流技术（聚焦预训练、适应调优、利用与能力评估），并总结开发资源与未来方向。 · 文献 · 中文笔记 · 2026-07-19

A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AIMetadata-only：A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI · 文献 · 中文笔记 · 2026-07-19

A Survey on End-to-end Perception and Prediction for Autonomous DrivingMetadata-only：A Survey on End-to-end Perception and Prediction for Autonomous Driving · 文献 · 中文笔记 · 2026-07-19

A Survey on Occupancy Perception for Autonomous Driving: The Information Fusion PerspectiveMetadata-only：A Survey on Occupancy Perception for Autonomous Driving: The Information Fusion Perspective · 文献 · 中文笔记 · 2026-07-19

A Survey: Learning Embodied Intelligence from Physical Simulators and World Models本综述系统探讨物理仿真器（显式环境建模与训练）与世界模型（内部表征与预测规划）如何协同赋能具身智能，提出IR-L0至IR-L4分级，并强调二者在自主驾驶与机器人中的互补角色。 · 文献 · 中文笔记 · 2026-07-19

A Systematic Survey of Transformer-Based 3D Object Detection for Autonomous Driving: Methods, Challenges and TrendsMetadata-only：A Systematic Survey of Transformer-Based 3D Object Detection for Autonomous Driving: Methods, Challenges and Trends · 文献 · 中文笔记 · 2026-07-19