告别高精地图？循环注意力让视觉定位精度跃升32个百分点
自动驾驶定位一定要靠高精地图和昂贵传感器吗？长安大学这篇工作直接用普通摄像头+卫星图，把时序信息做成“记忆库”，平均误差从3.8米砍到1.57米，真实车辆零样本跑出96.86%的5米内召回。低成本方案又要卷出新高度了。
标签：自动驾驶
共 55 篇
ACM MM 2026中科院新作：矿区端到端驾驶，碰撞率直降75%！
城市道路的自动驾驶已经卷成红海，矿区这种“路不成路、灰比雾厚”的硬骨头却少有人啃。中科院团队让规划器学会区分“看得见的安全”与“看不见的风险”，碰撞率直降七成多，这波操作值得研究！
RMIT提出RMR-Net：道路缺陷检测新范式，7/8场景精度领先
道路缺陷检测最怕输入图像又糊又暗——坑洼裂纹在模糊里“隐身”，再强的检测器也得抓瞎。RMIT团队这篇工作直接把退化证据变成恢复条件，让复原后的图像“喂”给检测器，8种退化场景里7项精度领先。方法简洁、定位精准，适合所有做巡检和车载视觉的团队围观。
华中科大SimWAM：单目摄像头91.5 PDMS登顶NAVSIM，视频生成零开销！
视频生成模型在自动驾驶里一直是“吃钱大户”，训练花钱推理更花钱。华中科大这波操作骚气：让视频大模型只在训练时当“免费家教”，推理时直接扔了它，结果单目摄像头91.5 PDMS登顶NAVSIM，延迟还比别人低一大截😏 这便宜占得，值得好好看看。
清华AIR最新研究：视频扩散模型做规划不用跑完，170ms就够？
视频扩散模型做驾驶规划，一定要把未来视频全部生成完吗？清华AIR这篇工作给出了否定的答案：中间层特征已经足够解码出好轨迹。它给六个中间层装上"提前出口"，配一个轻量质量打分器，分数够了就立刻刹车返回，平均端到端延迟只有170毫秒，比全深度规划省下47%的时间，数值还更高。把视频生成的成本巧妙避开了，这个思路在同类工作里相当眼前一亮。
TAIL2SENSORS：自动驾驶的“物理线索路由”新范式
自动驾驶里让AI听懂“右前方二十米那辆白色轿车”并不简单，因为颜色、距离、运动速度这些线索分散在不同传感器手里。这篇论文一口气集齐相机、激光雷达和4D毫米波雷达，搞出全球首个三传感器3D视觉定位数据集Talk2Sensors，再配一个TSFormer框架，把强基线甩开8.05 mAP，还让“物理线索路由”第一次有了正经benchmark。做多传感器感知的团队
武汉理工最新研究：乡村自动驾驶合成数据最佳配比1:0.5，YOLO11m精度0.758
中国乡村道路的自动驾驶一直是个“数据荒漠”。这篇论文不光造了个包含14类乡村特有害物的数据集，还系统测了13个检测器，用实验打脸“合成数据越多越好”的朴素直觉——最佳比例是1:0.5！对于想低成本落地乡村自动驾驶的团队，这份报告就是现成的“避坑指南”。
自动驾驶告别特权信息！Valeo.ai 500亿步开创新范式
继6月聊过Mila的Gigapixel自博弈训练之后，Valeo这篇Pictura直接更进一步：把强化学习的观察空间从特权矢量换成了摄像头第一视角的渲染图，彻底消除了部署时的表征鸿沟。500亿步训练后，效果居然还能跟特权基线掰手腕，零样本迁移到Waymo场景甚至反超——这才是自博弈该有的样子。
法国VEDECOM新框架：50ms求解纳什均衡，自动驾驶左转不再尴尬
路口左转，人车交汇，那几秒的“你瞅啥”“瞅你咋地”堪比心理战。自动驾驶要是只按规则莽冲，人类司机怕不是要急刹到吐。法国VEDECOM研究所给自家Renault Zoé装了个“博弈脑”——把路口交互建模成广义纳什均衡游戏，再用粒子群算法50毫秒算出最优默契策略。实车跑过左转场景，你看这轨迹，多像两个老司机在点头示意。
9大消融实验验证：比亚迪混合世界模型凭什么成为自动驾驶新标杆
当自动驾驶世界模型还在像素级预测的"精细"与潜变量预测的"鲁棒"之间二选一时，比亚迪团队直接端出了一盘"混合大餐"——HyWorldVLA。预训练阶段同时预测像素和潜变量，既保住了细粒度时空建模，又继承了潜变量的抗噪能力。NAVSIM v1/v2双榜夺冠不是最惊艳的，雨雾场景下PDMS高达86.87（竞品仅60+）才真正让人眼前一亮。一句话：不做选择，全都要
北邮新方法：夜间深度估计误差暴降85%，雪天零样本也涨20%
雨天路面反光、夜间地面忽明忽暗、雪天纹理全无——自监督深度估计在这些场景下经常直接崩掉。北邮这篇工作给出了一个漂亮的解决方案：先用多个「天气专家」教师产生伪标签，再用不确定性蒸馏让学生学会判断该信谁；同时把雷达从稀疏的POV视角投影到更稠密的BEV空间做跨注意力融合。效果立竿见影，夜间absRel暴降85%，雪天泛化也提升了20%+。代码已开源，值得所有做自
清华×阿里最新方法：先验保留+自适应路由
自动驾驶里最烦的事，不是“看不见”，而是“看见了一堆东西却不知道该信谁”。PerceptDrive 直接把这个矛盾摊开：感知先验不再一锅炖，而是分专家保留、按场景路由，再输出单条轨迹，90.4 的成绩也就顺理成章了。
