跳到正文

技术方向

智能驾驶 最新动态

辅助驾驶与自动驾驶的技术、量产和运营,保留功能边界、地域、许可条件及安全证据。

204 条精选近 30 天 59 条共收录 1,008 条

更新

精选归档 · 第 4 页

10月19日周一第 61–80 条
  1. arXiv · 机器人与计算机视觉78

    STRIDE:自动驾驶边缘案例中的时空推理评估基准

    STRIDE 是一个面向自动驾驶长尾安全场景的物体中心基准,涵盖空间感知、时间记忆与轨迹预测等六类任务。该基准在十二个模型上测试发现,即使表现最好的 GPT-6-Astra 在多选题准确率也仅为 43.4%,且描述场景的能力无法转化为准确的安全判断,模型更难以重构物体运动而非回忆过去位置。

    推荐理由:该基准通过多任务评估揭示现有模型在时空推理上的短板,指出描述能力与安全判断能力的脱节。

10月18日周日
10月17日周六
  1. Torc Robotics · 自动驾驶技术与安全80

    Torc:超越模仿学习,自博弈强化学习赋能端到端自动驾驶

    Torc Robotics 与 Mila、NYU 合作发表论文,展示如何用自博弈强化学习训练从相机图像驱动的端到端模型。方法先利用简化渲染器 Gigapixel(单卡 A100 每秒约 5 万步)训练结构化输入的强化学习教师策略,再通过 DAgger 蒸馏至相机学生策略并适配真实感知。

    推荐理由:Torc 提出自博弈强化学习解决端到端智驾数据稀疏瓶颈,通过结构化教师蒸馏至相机策略并适配真实感知。

10月16日周五
  1. Waymo Waypoint60

    Waymo 正式进军加拿大多伦多,目标 2028 年开启自动驾驶网约车服务

    Waymo 官方宣布正式进入加拿大,计划在多伦多开展完全自动驾驶网约车服务,预计 2028 年迎来首批乘客。目前车辆将在当地进行手动驾驶测试,以配合高精度地图绘制和驾驶员验证工作。

    推荐理由:Waymo 宣布在多伦多启动完全自动驾驶网约车服务筹备工作,计划于 2028 年迎来首批乘客。

  2. arXiv · 机器人与计算机视觉78

    SHRED:无需专家演示的异质道路用户自博弈框架

    该论文提出了 SHRED 框架,通过大规模异质性自博弈联合训练车辆、行人和骑行者,无需依赖人类驾驶演示或轨迹回放。实验显示,该方法在 Waymo Open Sim Agents Challenge 中优于无演示基线及参考策略方法,且在 nuPlan 地图几何零样本评估下保持真实感;在交互密集的 InterPlan 基准上规划性能全面领先。消融研究表明自博弈中的异质性显著提升了交通真实性和规划效果。

    推荐理由:提出无需专家演示的异质交通参与者自博弈框架,在仿真挑战中优于基线并提升规划性能。

  3. arXiv · 机器人与计算机视觉78

    Comfortably Stuck:Bench2Drive 闭环评估协议的陷阱与修正方案

    论文指出 Bench2Drive 基于 CARLA 的闭环评估协议存在严重缺陷:其舒适度指标因实现错误和奖励静止的策略,导致评分与实际驾驶表现相关性极低;导航信号供给机制也存在控制器替换转向及训练/测试目标点不一致的问题。作者通过实验验证了这些陷阱对 UniAD 等模型的影响,并发布了独立的修正代码,允许在不重新运行仿真复现的情况下获取更准确的舒适度分数。

    推荐理由:原文指出 Bench2Drive 闭环评估协议存在指标实现错误与导航信号供给缺陷,导致评分失真,并提供了修正后的距离基线代码。

  4. arXiv · 机器人与计算机视觉78

    Race to Recovery:基于自动驾驶赛车学习的先进安全系统设计

    针对电子稳定控制系统难以处理打滑、水滑或急避导致的失控问题,该研究提出通过强化学习训练漂移策略并迁移至最小时间恢复任务的方法。作者定义了基于相平面的稳定平衡点作为恢复标准,开发了 Gym-Khana 用于控制器训练与评估。

    推荐理由:该研究通过强化学习训练漂移策略并迁移至恢复控制,在物理 F1TENTH 平台上验证了比传统方法更优的失控恢复能力。

  5. arXiv · 机器人与计算机视觉78

    多模态地面移动中的运动预测:神经符号引导下的快慢决策

    针对现有运动预测方法缺乏对现实世界法规与行为约束显式编码的问题,该研究提出了一种名为 TraCS 的神经符号框架。TraCS 利用代理代码生成管道连接自然语言交通法规描述与概率运动预测,并采用反应式数据流推理引擎动态更新合规景观。

    推荐理由:该工作提出神经符号框架 TraCS,在 Argoverse 2 基准上验证了将交通法规逻辑融入运动预测的有效性。

  6. arXiv · 机器人与计算机视觉82

    基于不确定性的自博弈用于鲁棒多智能体驾驶策略研究

    针对运动规划中泛化性不足的挑战,本文提出一种不确定性驱动的自博弈方案。一半智能体奖励增加邻居的认知不确定性以探索弱点,另一半学习安全驾驶。该方法利用认知不确定性作为难度代理,自动生成挑战性子集,无需人工设计场景。

    推荐理由:提出不确定性驱动的自博弈方案,利用认知不确定性作为难度代理实现自动课程学习,在 nuplan 和 Argoverse 2 上零样本迁移效果优于标准自博弈。

10月14日周三
  1. Google DeepMind82

    Gemini 4 Argon 发布:具身推理与复杂工程任务全球上线

    Google DeepMind 正式发布 Gemini 4 Argon 模型,该模型在具身推理基准 ERQA 中以 87% 的分数领先其他前沿模型,并展示了通过观看人类操作视频自主构建仿真代码、进而将技能迁移至人形机器人(Apptronik Apollo)实现连续投掷的技能。

    推荐理由:DeepMind 发布 Gemini 4 Argon,在具身推理基准 ERQA 以 87% 分数领先,并展示通过观看视频自主构建仿真代码并在人形机器人上实现技能迁移的能力。

10月12日周一
  1. arXiv · 机器人与计算机视觉78

    ManeuverFlow:基于未来证据的机动假设生成与端到端自动驾驶轨迹评估及优化

    ManeuverFlow 是一种用于复杂场景端到端规划的新方法,旨在解决多查询回归模式坍塌及候选集规模受限的问题。该方法通过混合专家 MeanFlow 场一步生成不同意图的轨迹,并利用世界模型预测的当前与未来特征聚合为路径证据,进而预测 PDM 因子并优化局部 Frenet 残差以筛选最佳候选。

    推荐理由:该文提出 ManeuverFlow,利用世界模型预测的未来证据对轨迹进行生成与精细化评估,在 NAVSIM 和 WorldEngine 基准上取得领先分数。

  2. 盖世汽车 · 汽车资讯80

    图达通宣布2026年第三季度激光雷达出货约26.89万台

    盖世汽车获悉,图达通于10月12日宣布2026年第三季度激光雷达产品总出货量约26.89万台,同比增长约217%。前三季度累计出货量约91.98万台,已超过2025年全年出货量的2倍。

    推荐理由:原文披露了图达通2026年Q3激光雷达出货量及前三季度累计数据,展示了其三大平台的市场表现与定点情况。

10月10日周六
  1. 智东西 · 机器人82

    MIT韩松团队联合英伟达发布Long-WAM:延长视觉上下文提升机器人长时程操作成功率

    10月8日,MIT韩松团队联合英伟达、香港大学和加州大学圣地亚哥分校发布了世界动作模型Long-WAM。该框架旨在满足实时控制要求的同时扩展因果世界动作模型的上下文长度,利用历史视觉信息辅助动作决策。

    推荐理由:MIT韩松团队联合英伟达等发布的Long-WAM,通过分阶段预训练扩展了世界动作模型的视觉上下文长度,在保持实时响应的同时显著提升了复杂连续操作任务的成功率。

10月9日周五
  1. 量子位78

    DeepSeek-V4系列因分块KV Cache压缩出现相位敏感性:同一任务准确率随Token站位周期性起伏

    字节Seed团队研究发现,DeepSeek-V4系列模型在长上下文检索中表现出显著的“相位敏感性”,即同一条信息仅改变输入位置(Token站位),其检索准确率便会呈现与压缩步长一致的周期性波动。

    推荐理由:字节Seed团队发现分块KV Cache压缩引入相位敏感性,导致模型检索能力随输入位置周期性波动,后训练与架构迭代可显著缓解该问题。

  2. Hugging Face Daily Papers82

    MiMo-V2.6:扩展强化学习迈向自我改进

    该报告由小米 LLM-Core 团队发布,介绍了 MiMo-V2.6 系列全模态模型,旨在通过扩展强化学习(RL)计算规模推动大模型智能边界。在预训练混合-SWA 架构基础上,报告详细阐述了三个维度的 RL 扩展策略:更大批次与吞吐量、涵盖代码/通用/视觉/网络域的复杂环境以及更强大的评估器计算。

    推荐理由:报告介绍了 MiMo-V2.6 系列,通过扩展 RL 计算规模、引入混合任务代理 RL 基础设施及开源训练动态,推动大模型向自我改进迈进。

10月8日周四
  1. Kodiak AI · 自动驾驶货运72

    Kodiak AI 与 Charger USA 启动达拉斯至拉雷多自动驾驶货运服务

    Kodiak AI 与 Charger USA 宣布合作,在德州达拉斯与拉雷多之间运营配备 Kodiak Driver 系统的卡车,运送冷链及干货货物。双方于 2026 年 9 月 8 日完成首单交付,目前该路线仍由安全员驾驶,待安全案例完成后将过渡到无人驾驶。

    推荐理由:Kodiak 与 Charger USA 宣布在达拉斯至拉雷多路线开展自动驾驶货运合作,标志着 Kodiak Driver 首次服务美国最繁忙的边境口岸。

  2. arXiv · 机器人与计算机视觉78

    Auto-Regressive Models Need Structural Registers: Semantic Foresight Improves Coherent Driving Video Continuation

    该论文针对自动驾驶视频延续中面临的自回归过程‘生成退化’挑战,提出了 STRIDE(STructural RegIsters for Decoupled Extrapolation)大视觉模型架构。

    推荐理由:提出 STRIDE 架构,通过语义前瞻机制缓解自回归生成中的结构退化问题。

  3. arXiv · 机器人与计算机视觉82

    GeoCoTDrive:面向自动驾驶的显式几何思维链视觉语言动作模型

    针对现有 VLA 模型在自动驾驶中存在 2D 语义理解与 3D 几何需求不匹配的问题,本文提出 GeoCoTDrive 框架。该框架遵循“先以 2D 思考、再以专用 3D 先验驱动”的范式,首先定位决策关键区域的 2D 特征,随后从几何基础模型中检索局部化 3D 先验并交织进自回归上下文以支持轨迹生成。

    推荐理由:提出 GeoCoTDrive 框架,通过显式几何思维链将 2D 视觉理解与 3D 规划先验结合,在多基准测试中提升端到端自动驾驶的安全性。

  4. Hugging Face Daily Papers78

    Sensor-Language-Action 模型:连接感知与行动的统一框架及 OpenSLA 发布

    论文介绍 Sensor-Language-Action (SLA) 建模框架,将多模态传感器观测、自然语言与动作在统一模型中连接,利用语言作为语义接口实现异构动作的表示、预测与解释。

    推荐理由:该工作提出统一传感器、语言与动作的建模框架,并构建大规模基准验证其在临床预测等真实任务中的性能。

10月7日周三
  1. Hugging Face Daily Papers78

    从证据到行动:工具使用智能体的失败模式分析

    论文提出 SafeActBench 基准(656 个案例),研究工具使用智能体在从决策到执行的链条中,常因调查不完整或过早行动导致失败。即使获得必要证据,单步执行可靠但多步工作流仍暴露未解决的前置条件与执行不全问题。材料引入溯源绑定的证据账本与确定性轨迹评估器来追踪信息建立、动作发生及下游依赖满足情况。

    推荐理由:SafeActBench 基准揭示工具使用智能体在决策与执行间存在证据链断裂,静态评估强但交互执行弱。