该研究提出了一种通过自动标记生成真实LiDAR点云的三维场景流伪标签的方法，可以模拟自动驾驶场景中的潜在物体级刚体运动。该方法通过更新多个锚点框的不同运动属性，实现整个场景的刚体运动分解。在多个真实数据集上测试，该方法在无监督和有监督方法中表现出色，无需手动标记。在LiDAR KITTI数据集上，该方法将EPE3D度量值减少了10倍，从0.190m降至0.008m。

该研究报告介绍了一种利用稀疏3D卷积提取语义特征的方法，并将其输入到类平衡的多头网络中进行三维物体检测。通过设计的样本策略，可以处理自动驾驶场景中的类别不平衡问题，并在nuScenes数据集上进一步提高了性能。该方法在nuScenes3D Detection Challenge中优于PointPillars基线，取得了最新的检测性能。