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。😊
标签：自动驾驶
共 50 篇
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。
先锁模块再找代码：Apollo新方法把故障定位做细了
自动驾驶的故障定位，最烦的不是“系统报错”，而是“系统没报错但就是跑歪了”。这篇 HINT 直接把问题拆成两步：先锁模块，再找代码，思路很工程，也很实用。
CVPR 2026前后脚？DriveVer让自动驾驶“先验再改”，34M参数补上安全一刀
自动驾驶最怕的不是“不会开”，而是“开错了还直接上路”。这篇 DriveVer 很有意思：不重训大模型，偏偏把活放到测试时做二次验证和修正，34M 参数、80ms 推理，工程味很足。
UCSD最新综述：自动驾驶为何“刹停也会出事”
这篇论文不讲花活，直接拿真实事故开刀：自动驾驶遇到紧急路段、临时管制和无障碍上下车时，光会停车反而可能添乱。它的价值在于把“安全”从车自己不撞人，推进到“能不能和人类交通系统协作”。
端到端驾驶加上记忆，NAVSIM-v2最高涨3.7
牛津这篇不靠“更大模型”，而是给自动驾驶塞进一段更像人类的驾驶记忆：前方路况没看到，也能提前知道。更妙的是，它还考虑了先验失真时怎么安全退回，工程味很足。
SENSE-VAD来了：自动驾驶异常检测，终于开始看“关系”了
自动驾驶异常检测最怕的，不是“看不见”，而是“看见了也不知道危险在哪”。这篇论文把问题从运动统计拉回到社会关系，直接把现有方法的盲区掀开了。
