Santosh Parit, Julia Hindel, Rohit Mohan, Georgi Pramatarov, Paul Newman, Daniele De Martini, Abhinav Valada · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26816 · open-access PDF
Uma compreensão robusta da cena sob condições ambientais variáveis é essencial para uma condução autônoma segura.Enquanto as câmeras e o LiDAR degradam-se em condições meteorológicas adversas e de pouca iluminação, o radar de rotação de ondas contínuas moduladas por frequência (FMCW) fornece uma percepção de 360° confiável em intervalos estendidos com custos computacionais mínimos.No entanto, a compreensão da cena do radar FMCW em tempo real é desafiadora devido a retornos de sinal complexos, resolução temporal limitada e conjuntos de dados anotados escassos.
Machine translation (Meta M2M100); the English original follows.
Robust scene understanding under varying environmental conditions is essential for safe autonomous driving. While cameras and LiDAR degrade in adverse weather and poor lighting, Frequency-Modulated Continuous-Wave (FMCW) spinning radar provides dependable 360° perception at extended ranges with minimal compute cost. However, real-time FMCW radar scene understanding is challenging due to complex signal returns, limited temporal resolution, and scarce annotated datasets. We introduce StreamRPS, a novel framework for streaming FMCW radar panoptic segmentation, comprising an automated label-genera
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26816, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange