本研究提出了ADUULM-360数据集，以解决深度估计中的场景多样性和传感器模态不足的问题。研究表明，现有自监督深度估计方法在恶劣天气条件下存在局限性，为未来研究提供了新的方向。

本研究提出了一种基于SOLVR的方法，用于激光雷达-视觉重新定位中的位置识别与6自由度登记问题。通过对传感器模态的对齐和损失定义，显著提升了位置识别和注册性能。

介绍了一个全面真实世界的多机器人协同感知数据集，利用空中-地面机器人协同的潜力，提供不同的视角和传感器模态，适应各种研究兴趣。数据集多样性和重叠度足够，可以促进多机器人协同感知算法的研究。

EfficientQ3M是一种用于3D目标检测模型中对象查询初始化的解决方案，能够访问所有传感器模态并超越现有方法。该方法比LiDAR-摄像机初始化更高效，可以应用于任何组合的传感器模态。