学术背景 随着全球气候变化的加剧和空气污染问题的日益严重，减少交通运输领域的碳排放和污染物排放成为各国政府和研究机构的关注重点。重型卡车（Class 8）作为美国货运的主要工具，贡献了大量的柴油尾气排放，尤其是细颗粒物（PM2.5）和氮氧化物（NOx）。这些排放不仅加剧了气候变化，还对公众健康，尤其是弱势社区和少数族裔群体，造成了不成比例的影响。尽管电气化被视为减少卡车尾气排放的有效手段，但其对电网的依赖可能导致电力生产设施的污染物排放增加，从而可能转移污染负担。因此，评估卡车电气化对空气污染差异的影响，尤其是对弱势社区和少数族裔群体的影响，具有重要的现实意义。 美国《通货膨胀削减法案》（Inflation Reduction Act, IRA）旨在通过投资清洁能源和电网脱碳来推动公平的能源...

基于视觉道路场景的驾驶员压力估计研究 学术背景 驾驶员压力是导致交通事故、伤害和死亡的重要因素。研究表明，94%的交通事故与驾驶员相关，其中注意力不集中、内外部分心、速度控制不当等都与驾驶员的压力密切相关。因此，识别和管理驾驶员的压力状态对于提升驾驶体验和安全性至关重要。然而，现有的驾驶员压力识别方法主要依赖于生理数据（如心率、皮肤电活动等）或车辆操作数据（如方向盘和踏板活动），这些方法通常需要佩戴设备或缺乏对驾驶环境的全面考虑。相比之下，基于视觉道路场景的分析为驾驶员压力估计提供了一种无侵入式且具有广泛适用性的解决方案。本研究旨在探讨视觉道路场景对驾驶员压力估计的贡献，并通过机器学习模型验证其有效性。 论文来源 本论文由Cristina Bustos、Albert Sole-Ribalta...

基于LiDAR引导的几何预训练方法提升视觉中心3D目标检测性能 背景介绍 近年来，多摄像头3D目标检测在自动驾驶领域受到了广泛关注。然而，基于视觉的方法在从RGB图像中精确提取几何信息方面仍面临挑战。现有的方法通常利用深度相关任务对图像骨干网络进行预训练以获取空间信息，但这些方法忽略了视角转换的关键问题，导致空间知识在图像骨干和视角转换模块之间存在错位，从而影响了性能。为了解决这一问题，本文提出了一种新颖的几何感知预训练框架——GAPretrain。 论文来源 该论文由Linyan Huang, Huijie Wang, Jia Zeng等作者撰写，他们分别来自厦门大学人工智能系、上海AI实验室OpenDriveLab以及上海交通大学。论文发表于《International Journal ...

智能船舶自动驾驶的非线性固定时间强化学习优化控制研究 近年来，智能自动驾驶技术逐渐成为自动化控制领域的研究热点之一。在复杂的非线性系统中，优化控制策略的设计，尤其是在固定时间内实现系统稳定性和性能优化方面，是控制工程师和研究人员面临的重要挑战之一。然而，现有的固定时间控制理论在实现系统状态收敛时，往往忽略了资源利用效率和平衡问题，这可能导致过度补偿或欠补偿的现象，从而使系统的稳态误差增加。此外，对于如何在时间限定内实现非线性不确定性估计误差的最小化，相关研究依然较少。因此，本研究旨在提出一种自适应复合固定时间强化学习优化控制解决方案，进一步解决这一关键问题。 研究背景及目的 固定时间控制理论自提出以来，由于收敛时间不依赖于初始状态的特点，其应用得到了广泛关注。相比有限时间控制方法，固定时间控...

一项基于多视图图像的端到端视觉语义定位研究 背景与研究意义 随着智能驾驶技术的迅速发展，自动驾驶汽车的精确定位能力成为研究和工业界的热点问题。准确的车辆定位不仅是自动驾驶的核心模块，同时也是高级驾驶辅助系统（ADAS）的重要组成部分。传统的基于视觉定位的方法通常依赖几何模型和复杂的参数调优，但在复杂的场景下，其鲁棒性和大规模部署能力有限。此外，受环境变化（如天气、光照条件等）影响，传统特征提取方法（例如SIFT（尺度不变特征变换）、SURF（加速鲁棒特征）、ORB（方向快速和旋转简要特征）等）在动态环境中表现有限。近年来，带有丰富语义信息的高精度地图（HD Maps, 高精地图）被证明能够增强定位的鲁棒性。然而，如何在多视图图像与语义地图之间实现高效的跨模态匹配，同时避免复杂的几何优化和多阶...

基于少量像素标注与点云数据的驾驶场景弱监督语义分割 背景与研究问题 语义分割作为计算机视觉的重要任务之一，在自动驾驶等领域具有广泛应用。然而，传统的全监督语义分割方法需要大量的像素级标注，标注成本高昂。在弱监督语义分割（Weakly Supervised Semantic Segmentation, WSSS）中，通过较少的粗粒度标注（如图片标签、边框、点级标注等）实现像素级分割，极大地降低了标注成本。 现有的WSSS方法大多基于CAM（类激活图）生成初始分割种子，但在复杂的驾驶场景中，这种方法表现不佳。驾驶场景中的图像通常包含多种物体类别，且类别间的遮挡、重叠问题严重，导致现有基于图片标签的WSSS方法难以达到高精度分割效果。 针对这些问题，本研究提出了一种结合少量点标注和点云数据的新型W...

能够自主导航行走的轮腿机器人 背景介绍 城市化进程的加速让供应链物流尤其是最后一公里配送面临巨大挑战。随着交通压力增加和对更快配送服务需求的上升，尤其是室内和街道上的复杂路线给配送带来了难以解决的问题。传统的轮式机器人难以跨越复杂的障碍物，而仅靠腿式系统又无法达到所需的速度和效率。例如，ANYmal机器人虽具备一定的移动能力，但其最大行驶速度仅为平均人行速度的一半，且续航时间也有限。因此，需开发一种即能在平坦地面上高效运动又能跨越障碍物的机器人系统成为了研究的主要方向。 本文主要研究的是轮腿机器人，结合轮子和腿部的优势，使其在长距离运输中既能在中等地面上高速行驶，又能在复杂地形上保持灵活性。 论文来源 本文由Joonho Lee、Marko Bjelonic、Alexander Reske、...

基于移动网络学习时空动态以适应开放世界事件 研究背景 现代社会的出行服务(Mobility-as-a-Service,MaaS)体系由多种交通方式(如公共交通、网约车、共享单车等)无缝集成而成。为实现MaaS平稚运营,对多模态移动网络的时空动态建模是必不可少的。然而,现有方法要么隐式地处理不同交通方式之间的相互作用,要么假设这种交互作用是不变的。更有甚者,当发生开放世界事件(如节假日、恶劣天气、疫情等)时,人群的集体移动行为将发生显著偏离常态的情况,这使得该建模任务更加具有挑战性。 论文来源 本文由伊利诺伊大学厄巴纳 - 香槟分校地理与地理信息科学系的Zhaonan Wang、东京大学空间信息科学中心的Renhe Jiang、Xuan Song、Ryosuke Shibasaki,以及新南威...