- ROSS: 雷达越野语义分割
在该研究中，我们使用 LIDAR 数据和已标注的离路 LIDAR 数据集来生成 RADAR 标签，并将 RADAR 数据表示为图像，从而应对离路情景下 RADAR 数据的语义分割的固有复杂性。通过实际数据集的验证，我们的实用方法突显了 RA - 提高自主导航系统对于路面坑洞带来的后视摄像头图像偏移的鲁棒性
本文介绍了一种新模型来补偿角度扰动，减小自动驾驶控制预测算法中的错误，通过公开可用数据集的扰动评估，显示该模型能将扰动图像的预测方向盘角度误差减小到 2.3％，从而使自动驾驶控制对摄像头角度扰动（当车轮经过坑洞时产生）具有鲁棒性。
- 面向城市环境中的鲁棒机器人三维感知：UT 校园对象数据集
我们介绍了 UT Campus Object Dataset（CODa），这是在德克萨斯大学奥斯汀分校采集的移动机器人自我中心感知数据集。我们的数据集包含 8.5 小时的多模态传感器数据：来自 128 通道 3D LiDAR 和两个 1.2 - 自主异构机器人系统的高效实时烟雾过滤与搜救
提出一种基于强度和空间信息的新型模块化通用滤波流程，用于消除探测到的烟雾颗粒物，实现移动机器人在困难和无结构的亚地下环境中的安全自主导航。
- CoverNav：基于深度强化学习的非结构化户外环境遮挡跟随导航规划
提出了一种基于深度强化学习的算法 CoverNav，用于在隐蔽环境下识别和导航无人地面车辆，同时保持低成本轨迹，并在 3D 点云数据、机器人姿态和目标信息生成的高程图上确定最大的隐蔽性，以及通过选择自然障碍物作为遮蔽物来隐藏。
- 极端海洋环境下的无人水面船视觉自主导航
该研究论文介绍了一种应对极端海洋条件中目标物跟踪的自主视觉导航框架，该框架利用生成对抗网络（GAN）和 YOLOv5 目标检测器对视觉特征进行处理，并在沙尘暴和雾等极端能见度受限条件下进行了充分测试，结果表明该方案在多个指标上优于现有方法。
- ICCV三维物体检测范围的实证分析
基于 LiDAR 的 3D 检测在自动导航中起着至关重要的作用。本文通过对长距离检测数据集 Argoverse 2.0 的经验性分析，揭示了近场和远场 3D 检测的不同特征，并提出了一种基于集成模型的有效技术，使长距离检测的效率提高了 33 - 改进合成训练的声纳图像描述符在水下地点识别中的泛化性能
自主导航与水下环境中的挑战，主要包括光吸收和水浑浊度等因素，传统视觉算法对声纳生成的声学图像的应用效果较差，而卷积神经网络通常需要大量的标记训练数据，这些数据通常难以获取。因此，我们提出了一种新型的紧凑型深度声纳描述符管道，它能够在仅仅用于 - 自主导航中深度强化学习的安全约束评估
此研究比较了两种可学习导航策略（安全和不安全），表明安全策略能够在训练过程中生成具有更大间隙（与障碍物之间的距离）的轨迹，减少碰撞，且不影响整体性能。
- METAVerse: 元学习用于越野导航的遍历成本地图
METAVerse 是一个元学习框架，通过利用多环境驾驶数据训练一个全局模型，从稀疏的 LiDAR 点云中生成稠密连续值的成本地图来准确可靠地预测不同环境下的地形可通行性，结合模型预测控制器，实现了在结构化和未知地形上安全稳定的导航。
- 基于先验的单车载摄像头图像在线车道图提取
使用单一车载摄像头图像进行在线鸟瞰车道图提取，通过优化潜空间向量，从先验分布派生的先验信息增强了初始车道图估计，并对其进行逻辑优化，结果显示该方法显著提高了性能。
- RICo：通用场景重建的旋转 - 修复 - 完整方法
通过结构化将问题分解为补全和 2D 到 3D 场景转换两个步骤，本文提出了一种场景重建的方法。通过利用大型语言模型来补全从不同视角渲染的场景彩色图像中的缺失区域，然后通过预测补全图像的法线并解决缺失深度值的方法来将这些补全图像转换为 3D。 - 引导元强化学习下的鲁棒驾驶策略学习
通过随机化基于交互的社交车辆的奖励函数，本研究引入了一种高效的方法来训练多样化的社交车辆驾驶策略作为单一的元策略，并提出了一种训练策略来增强自车驾驶策略的鲁棒性。该方法成功地学习到了在具有挑战性的未控制 T 字形交叉口情景中，对具有分布之外 - 具条件上下文导航的基于学习的地形和机器人感知动力学模型
在自主导航设置中，考虑到变化，我们开发了一种新颖的综合地形和机器人信息的前向动力学模型 TRADYN，它基于神经过程的元学习前向动力学模型，能够适应各种变化情况，并在实验中表现出更好的长时轨迹预测和导航计划性能。
- 通信，控制和机器学习在安全和自主车辆导航中的融合
通过融合通信、控制和机器学习理论，本文明确暴露了与连接和自主驾驶车辆（CAVs）导航相关的挑战，并提出解决方案，以实现有效和安全的 CAV 导航。
- 室内环境下机器人实时基于视觉的导航
本文介绍了一种基于视觉技术和先进路径规划算法的自主机器人导航系统，该系统可以避开障碍物并朝着目的地导航，其性能通过定性和定量指标进行评估，研究结果有助于室内机器人导航的发展。
- 加强模拟环境下基于行的作物导航基准测试与感知数据生成
本文介绍了通过使用合成数据集和虚拟场景来加速自主导航系统的开发的方法及其在农业领域的应用。
- FEDORA: 活动飞行数据集用于反应行为
该研究介绍了使用事件驱动硬件在资源受限环境下实现复杂视觉任务的方法，提出了 FEDORA 数据集作为第一个提供深度、姿态、自我运动和光学流数据的全合成数据集，可以用于自主导航和障碍物规避的多个相关任务。
- 从被高浓度杂质颗粒污染的地下恶劣环境中获取的多模态数据集，用于前沿探索
本文介绍一种多模式数据集，可用于验证在无法使用全球导航卫星系统（GNSS）的环境中自主导航的算法性能。数据集内容包括船上各种传感器的测量值，其中需要注重船舶 LiDAR 测距仪度测量数据的有效性，并介绍各种传感器系统的详细特性。
- LC$^2$: 基于 LiDAR 和相机循环约束的跨模态地点识别
本文提出一种名为 (LC)$^2$ 的新型交叉匹配方法，通过将 LiDAR 测量值表达为范围图像进行匹配，然后从视差和范围图像中提取本地化描述符来实现无先前点云地图的 LiDAR 本地化，并在姿势图中将最佳匹配作为循环因素，从而通过公共数据