注意力并非相关性:挑战自动驾驶中注意力的因果性
Luca Lusvarghi 和 Javier Gozalvez 提出新工作,将关于注意力机制因果性的讨论引入自动驾驶领域。研究在超过 80,000 个合成驾驶场景上,基于 PlanT 2.0 模型对比了不同注意力相关性估计方法与通过反事实分析获得的因果参考基准。
Luca Lusvarghi 和 Javier Gozalvez 提出新工作,将关于注意力机制因果性的讨论引入自动驾驶领域。研究在超过 80,000 个合成驾驶场景上,基于 PlanT 2.0 模型对比了不同注意力相关性估计方法与通过反事实分析获得的因果参考基准。
ID-MAE 模型通过结合损伤标签预测与视线、轨迹重建的自监督目标,在 DIVERT 数据集上将损伤检测配对 AUC 从 0.590 提升至 0.706。该研究利用包含 103 小时数据的驾驶模拟器集验证了视觉干扰与认知干扰的可分离性,并支持轨迹预测等额外任务。代码与数据将在论文被 CVPR 2027 接收后开放获取。
日产汽车将品牌宣言从“尽兴由 NI"升级为“人车生活,因你而变”,承诺全面进阶以满足中国新能源时代需求。NX7 等新车搭载 Momenta R7 大模型实现智能驾驶、NISSAN OS 3.0 座舱及骁龙 8295P 芯片,纯电续航达 320 公里。日产计划两年内推出 10 款新品,构建覆盖纯电、插混的“纯电+1"矩阵,并引入 NISMO 性能品牌拓展市场增量。
针对自动驾驶模型训练依赖车载传感器且采集成本高的问题,本文提出 AnyR2V 框架,将路边多模态观测转化为不同车辆视角的七摄像头环视视频。该框架聚合时序观测构建共享场景表征,渲染外观、深度和布局条件以匹配目标车辆轨迹,并利用时空对齐的路侧 - 车载数据对进行监督生成。
该论文针对多模态大语言模型(MLLM)在自动驾驶系统中的脆弱性,提出了 PhysPatch 框架。该方法联合优化补丁位置、形状和内容,引入基于语义的掩码初始化策略以确保物理可行性,并利用 SVD 局部对齐损失提升跨模型迁移能力。实验表明,PhysPatch 能显著引导 MLLM 系统产生目标一致的感知与规划输出,且补丁始终放置在自动驾驶场景的物理可行区域。
2026 款理想 i6 于 10 月 28 日上市,全国统一零售价 24.98 万元。新车搭载自研连山 5C 超充电池(容量 96kWh)与马赫 M100 芯片(单颗算力 1280TOPS),并配备参数量提升 10 倍的马赫 VLA 大模型,关键决策时延缩短至约 240 毫秒。
针对自动驾驶感知仿真中输出一致但视觉依据不同的问题,论文提出了概念决定性特征保真度(C-DFF)诊断方法。该方法从冻结的待测系统提取关键证据,利用现成分割模型将其投影到共享语义空间并对比真实与合成数据的概念重要性向量。
针对现有视觉语言动作(VLA)模型因稀疏监督导致关键场景信息被压缩的问题,本文提出“密集思考、稀疏行动”的新范式及 LECDrive 框架。该框架通过注入任务特定的潜变量令牌,将基础视觉模型的视觉表征、语义结构与空间几何知识内化为层级化的专家认知链,并遵循课程学习原则逐步结构化监督。实验表明,该方法在多个自动驾驶基准测试中提升了基座视觉语言模型在物体感知、状态预测和轨迹规划等关键任务上的性能。
GraphPilot 是一种模型无关的方法,旨在为基于语言的自动驾驶规划器提供结构化的关系上下文(交通场景图)。该方法通过序列化不同抽象层级的场景图并以结构化提示词注入,无需修改底层架构或训练目标。
论文提出 CoCam4D,一种显式建模几何不确定性的贝叶斯协作感知框架。该方法利用基于 VGGT 的前馈网络生成带不确定性估计的 3D 高斯场景表示,通过共享紧凑的高斯原语(含动态对象原语 DOPs)让多车组合观测以消除单目深度估算的不确定性,无需 LiDAR。
该论文研究了视觉语言动作(VLA)驱动中,经过策略学习后的视觉语言模型(VLM)与纯视觉编码器在表征上的差异及其对规划的影响。研究对比了 InternVL3、Qwen3VL 等 VLM 家族与 ResNet、ViT、EVA-CLIP 等标准纯视觉编码器,发现两者在简单几何主导场景中各有优势,且存在行为上显著不同的制动和路径选择倾向。
推荐理由:该研究通过对比 VLM 与纯视觉骨干网络,揭示了两者在规划任务中的互补性,并提出混合与双系统架构以提升端到端驾驶性能。
论文提出 Split Label-Localized Conformal Prediction (SLLCP) 方法,作为冻结的视觉语言模型(VLM)的后验校准层,将不可靠预测转化为概率校准的安全预测集。
CVPR 2026 参会人数超万、论文提交达 16,092 篇且录用率仅 25%,多模态 AI 与自动驾驶研究显著增长。Torc 作为铂金奖牌赞助商,展示了 Freightliner Cascadia 卡车及 VR 演示,并发布了 TruckDrive 长距高速驾驶数据集。该会议标志着从感知中心向具备全 3D 世界理解能力的具身系统转变,Torc 正引领这一技术前沿。
Kodiak AI 将视觉语言模型(VLM)集成至其自动驾驶系统,利用文本知识与图像结合以增强对紧急车辆等长尾边缘案例的理解。该技术通过零样本分类与多模态解码器实现类人驾驶行为,使卡车能在未见过的复杂场景中做出精准决策并规划路线。此创新方法无需显式训练即可检测罕见事件(如高速警车),显著提升了感知栈的鲁棒性与适应性。