本文提出了一种简单高效的激光雷达里程计方法KISS-ICP，通过精简核心组件实现了鲁棒的位姿估计。该方法采用点到点ICP配准，结合自适应阈值匹配、鲁棒核函数和运动补偿策略，仅需少量参数即可适应不同传感器和环境。实验表明，在KITTI等多个数据集上，其性能与复杂方法相当，且无需IMU或闭环检测。开源代码见https://github.com/PRBonn/kiss-icp。

CCF 期刊、会议汇总

《ASingleCorrespondenceIsEnough:RobustGlobalRegistrationtoAvoidDegeneracyinUrbanEnvironments》由HyungtaeLim等人提出，针对城市环境中的点云全局配准问题，特别是在退化场景下的鲁棒性。文章提出了一种名为QUATRO的方法，通过解耦旋转和平移的估计，简化了计算复杂度。利用平移不变测量（TIMs）消除平移对

又经过一番搜索，问题原来是pcl对于自定义点云数据类型的使用我是直接copy的以前项目的代码，但是我没有用对。从CMakeList检查到PCL库，从新项目代码对比到旧项目代码均没发现问题，很困惑，怎么就PCL::KDTree突然就不给用了。但对本工程并没起到作用（事后反思有可能是项目里pcl库路径设置不对，导致Cmakelist没找对）。即：在你项目的main函数中，在包含pcl库头文件之前，加上

本文提出Quatro++，一种面向LiDAR SLAM的鲁棒全局点云配准方法。针对机械式LiDAR的稀疏性和退化问题，该方法通过地面分割预处理和准SO(3)估计提升性能。实验表明，在KITTI等数据集上，Quatro++在远距离配准中成功率显著优于现有方法（RANSAC、TEASER++等），尤其适用于地面车辆场景。其核心创新包括：1）利用地面分割降低计算成本并提高匹配质量；2）解耦估计方法将旋转

Spark2.0是WorldLabs开源的3D Gaussian Splatting（3DGS）Web渲染器，专注于高效渲染已有的3DGS资产而非重建。它通过全局排序、LoD分层和流式加载技术，解决了传统浏览器渲染3DGS时加载慢、内存占用高和混合排序错误的问题。Spark2.0支持主流3DGS格式，与THREE.js深度集成，并采用WebGL2以确保广泛兼容性。其核心创新包括LoDSplatTr

Super-LIO提出了一种面向资源受限平台的高效激光惯性里程计系统，通过优化地图结构和近邻搜索策略显著提升性能。核心创新包括：1）OctVox紧凑地图结构，将体素划分为2×2×2子体素，每个子体素仅维护一个代表点，实现空间密度控制；2）HKNN启发式近邻搜索，利用预计算候选列表和几何距离剪枝加速匹配。实验表明，系统在X86和ARM平台上分别实现3.7×和4.2×加速，同时保持优于基线方法的精度。

Spark2.0是WorldLabs开源的3D Gaussian Splatting（3DGS）Web渲染器，专注于高效渲染已有的3DGS资产而非重建。它通过全局排序、LoD分层和流式加载技术，解决了传统浏览器渲染3DGS时加载慢、内存占用高和混合排序错误的问题。Spark2.0支持主流3DGS格式，与THREE.js深度集成，并采用WebGL2以确保广泛兼容性。其核心创新包括LoDSplatTr

本文提出GS-SDF，一种结合激光雷达增强高斯溅射和神经符号距离场的统一系统，用于几何一致的渲染与重建。针对现有方法在稀疏观测下几何不一致、LiDAR数据整合困难等问题，该方法通过神经符号距离场提供流形几何场，实现基于SDF的高斯初始化与形状正则化。实验表明，在Replica和FAST-LIVO2数据集上，该方法在重建精度（C-L1平均0.506cm）和渲染质量（SSIM 0.979）方面表现优异

斯坦福大学、UC伯克利和丰田研究院联合发布了OpenVLA，这是一个开源的7B参数视觉-语言-动作模型。OpenVLA基于Llama2语言模型，融合DINOv2和SigLIP视觉特征，在97万真实机器人演示数据上训练。实验显示，OpenVLA在29个任务中比55B参数的RT-2-X模型性能高16.5%，且参数少7倍。该模型支持高效微调，在消费级GPU上通过LoRA和量化技术实现适配，性能优于扩散策