3D目标检测是对3D传感器数据中的对象进行分类和定位，这项技术在自动驾驶、机器人技术、虚拟现实等诸多领域中有着重要应用。在深度神经网络和大规模的标注数据集的推动下，近期该领域取得了显著进步。但由于不同类型的3D传感器、不同的天气条件和不同的地理位置都会导致域偏移，在一个特定域上开发的3D检测器可能无法很好地推广到新的测试域。尽管从不同的域收集更多的训练数据可以缓解此问题，但需要消耗巨大成本。本期我们邀请到来自香港大学的杨霁晗同学，分享他在3D点云目标检测无监督领域自适应任务上的研究，为此问题的解决提供新的思路。