该研究介绍了双拉格朗日学习 (DLL) 方法，结合锥对偶理论和机器学习模型的表示能力。DLL 利用锥对偶性提供对偶可行解，为参数优化问题提供有效的拉格朗日对偶界限。论文介绍了可微锥投影层、对偶完成过程和自监督学习框架。DLL 在线性和非线性参数优化问题上表现出色，与最优解相差不超过0.5%。

本论文介绍了NCLR自监督学习框架，用于增强自动驾驶中的3D感知。通过学习可训练的转换对齐，实现了图像和点云的整体级别对齐。证明了NCLR在下游任务中的有效性，并联合学习不同模态提高了网络的理解能力和学习表示的有效性。