nuScenes上实测：红灯竟比大车更“有戏”
自动驾驶模型最怕的不是“看不见”，而是“看见了却不知道到底信了谁”。这篇工作直接把单个目标从画面里抹掉，再看轨迹怎么变，黑盒里谁在捣鼓方向盘，终于有机会被点名。
标签：自动驾驶
共 55 篇
证据中心闭环框架：自动驾驶怎么测才算过关
自动驾驶测试最尴尬的地方，不是没工具，而是工具、场景、指标全都有，最后还是没人敢拍板“能上路了”。这篇论文直接去问了6个国家9家公司的实战派，把工业界到底怎么测、卡在哪、以后想怎么测，摊开讲明白了。
TUM新论文：世界模型先验资质，不然判决不算数
世界模型最容易犯的错，不是不会生成，而是生成得太像了，结果把动作是否有效这件事给糊弄过去了。慕尼黑工大这篇论文把“能不能信”拆成一层层门槛，读完会发现，闭环评测这件事，真没法只看画面好不好看。
6G卫星语义通信新框架：VAE把带宽压到98.17%
这篇论文把“自动驾驶需要传什么”这件事说得很直白：别再傻乎乎传整张图了，直接传任务相关语义。更有意思的是，它不是只做压缩，还把重建和分类一起训练，顺手把卫星链路下的低信噪比问题也一起收拾了。
北大×小米新方法：施工区域规划更稳了
施工路段最容易把模型训练出的“老司机直觉”打回原形。WorkDrive的思路很直接：先把现场关键事实看清，再把因果链讲明白，最后用一致性奖励把轨迹拽回来，适合关心自动驾驶落地的人细看。
ICLR 2026新作：自动驾驶微调为何越训越忘？
自动驾驶里最容易被忽略的坑，不是模型不会开车，而是学会开车后把老本行忘了。这篇论文第一次把“灾难性遗忘”做成可量化基准，还给出了一种不乱改权重的解法，挺适合认真看一遍。😊
SSIM筛图替代去噪？CURE-OR结果更强
这篇论文的思路很“反直觉”：不是把坏图硬修好，而是先把明显拖后腿的低质图筛掉。对自动驾驶、目标识别这类任务来说，这种“减法思维”往往比盲目去噪更实用。
AAAI 2026新作：结构化强化学习让“说服式驾驶”提速30%
这篇论文最有意思的地方，不是“自动驾驶+强化学习”这几个词本身，而是它把“怎么劝车走哪条路”变成了一个可学习、可证明、还能在线更新的结构化问题。对做自动驾驶、交通优化、信息设计的人来说，这种把理论和工程一起收紧的思路，确实值得细看。
视觉大模型+LiDAR：ViCo3D把SOTA又抬高了
这篇最有意思的地方，不是简单把 DINOv2 往点云里硬塞，而是先把 LiDAR 变成 BEV 图像，再用视觉大模型补语义、用多尺度融合补细节，最后还把协同增益做到了更高。它回答了一个很现实的问题：协同感知里，特征不一定越像越好，能互补才是真本事。
NeurIPS 2026新作ViCo3D：DINOv2让协同3D检测增益飙到1.8倍
V2X协同感知最烦的，不是“有没有信息”，而是“信息怎么不打架”。ViCo3D偏偏不去硬拗一致性，而是借DINOv2给点云BEV补语义，再做多尺度融合，结果协同增益直接拉满，思路很有意思。
ETH Zurich新作：纳米无人机部署提速1.6倍
这篇论文最值钱的不是“又做了一个能飞的无人机”，而是把纳米无人机上最烦人的事——模型训练、量化、部署、控制闭环——尽量自动化了。结果很实在：内存减半、推理提速，真机里还能避障、转弯、跑长廊。
自动驾驶行人预测新作：17.23ms跑出SOTA
自动驾驶最怕的不是“看不见”，而是“看见一堆却不知道信谁”。这篇 ADAPT 直接把多模态融合里的噪声问题摊开解决，稀疏注意力、动态路由、Mamba 三件套一起上，既准又快，工程味很足。
