CVPR 2026!自动驾驶相关论文清单(List 4)(List1-3文章与代码链接更新到留言板)

• 核心亮点：提出一种新颖框架SGDrive，该框架围绕驾驶特定的知识层次，明确构建VLMs的表征学习过程。SGDrive以预训练VLM为骨干网络，将驾驶理解分解为场景-智能体-目标的层次结构，这一结构与人类驾驶认知相契合，驾驶员首先感知整体环境，随后关注对安全至关重要的智能体及其行为，最后在执行动作前制定短期目标。这种层次化分解弥补了通用VLMs缺乏的结构化时空表征，将多层面信息整合为紧凑且全面的形式，用于轨迹规划。在NAVSIM基准数据集上的大量实验表明，SGDrive在仅使用相机的方法中，于PDMS和EPDMS任务上均取得了当前最优性能，验证了层次化知识结构化在将通用VLMs适配于自动驾驶场景中的有效性。

• 原文链接：https://arxiv.org/abs/2601.05640

• 项目链接：https://github.com/LogosRoboticsGroup/SGDrive

5.论文标题： WorldLens: 驾驶世界模型在现实世界中的全谱评估

• 核心亮点：构建了WorldLens-26K数据集，这是一个包含人类标注视频的大规模数据集，附带数值评分和文本说明，并开发了WorldLens-Agent评估模型，该模型从这些标注中提炼而来，能够实现可扩展、可解释的评分。基准测试、数据集和评估模型共同构成了一个统一的生态系统，用于衡量世界真实性，不仅通过视觉逼真度，更通过行为真实性，为未来模型的评估提供标准化依据。

• 原文链接：https://arxiv.org/abs/2512.10958

• 项目链接：https://github.com/worldbench/WorldLens

• 核心亮点：提出一种基于3D高斯场景表征的新型统一DWM框架，该框架兼具3D场景理解与多模态场景生成能力，同时还能为理解和生成任务提供上下文增强。我们的方法通过将丰富的语言特征嵌入每个高斯基元，直接实现文本信息与3D场景的对齐，从而达成早期模态对齐。此外，我们设计了一种新颖的任务感知语言引导采样策略，可去除冗余的3D高斯，并将精准且紧凑的3D tokens注入大语言模型。同时，我们设计了双条件多模态生成模型，将视觉语言模型捕捉到的信息作为高层语言条件，结合底层图像条件，共同引导多模态生成过程。我们在nuScenes和NuInteract数据集上进行了全面研究，以验证框架的有效性，所提方法取得了当前最优性能。
• 原文链接：https://arxiv.org/abs/2512.23180
• 项目链接：https://github.com/dtc111111/GaussianDWM

• 核心亮点：提出了一个面向3D全景占用预测任务的实例中心式基准。具体而言，我们引入了ADMesh，这是首个专为自动驾驶设计的统一3D网格库，整合了超过15K个高质量3D模型，这些模型具有多样的纹理和丰富的语义标注。基于ADMesh，我们进一步构建了CarlaOcc数据集，这是一个利用CARLA模拟器生成的大规模、物理一致的全景占用数据集，包含超过100K帧数据，提供了细粒度、实例级的占用真值，体素分辨率最高可达0.05米。此外，本文还引入了标准化评估指标，用于量化现有占用数据集的质量。最后，我们在提出的数据集上建立了代表性模型的系统性基准，为3D全景感知领域的公平比较和可复现研究提供了统一平台。

• 原文链接：https://arxiv.org/abs/2603.27238
• 项目链接：https://github.com/fengyi233/carlaocc

• 核心亮点：本文提出SafeDrive，一种端到端规划框架，旨在通过轨迹条件稀疏世界模型实现明确且可解释的安全推理。SafeDrive包含两个互补网络：稀疏世界网络和细粒度推理网络。SWNet构建轨迹条件稀疏世界，模拟关键动态智能体和道路实体的未来行为，为下游推理提供以交互为中心的表征。随后，FRNet评估特定智能体的碰撞风险以及对可行驶区域的时间依从性，能够精准识别未来时间步长内的安全关键事件。SafeDrive在开环和闭环基准测试中均取得当前最优性能：在NAVSIM数据集上，其PDMS指标达91.6、EPDMS指标达87.5，在12146个场景中仅发生61起碰撞；在Bench2Drive数据集上，SafeDrive的驾驶评分达66.8%。

• 原文链接：https://arxiv.org/abs/2602.18887

• 项目链接：https://github.com/SPA-junghokim/SafeDrive

• 核心亮点：本文提出带有显式失败学习的VLA框架，该框架通过结构化诊断反馈增强强化学习效果。与依赖模糊的标量奖励不同，我们的方法会生成详细、可解释的报告，明确识别具体的失败模式。随后，VLA策略利用这种显式反馈生成反馈引导的优化结果，并将这些修正后的高奖励样本重新注入RL训练批次，从而提供有针对性的梯度，使策略能够解决无引导探索无法应对的关键场景。大量实验表明，该方法释放了VLA模型的潜在能力，在公开的Navsim基准测试中，在整体PDMS、EPDMS评分以及高层规划精度上均取得了当前最优性能。
• 原文链接：https://arxiv.org/abs/2603.01063
• 项目链接：https://github.com/luo-yc17/ELF-VLA