自动驾驶技术方案与论文简报|2026-06-26

自动驾驶技术方案与论文简报｜2026-06-26

1. ExploreVLA：世界模型开始承担“探索奖励”而不只是预测未来

ExploreVLA提出用未来 RGB/Depth 生成做 dense world modeling，并把预测不确定性作为探索信号，再用 safety-gated reward + GRPO 优化策略；论文报告 NAVSIM PDMS 93.7、EPDMS 88.8。(arXiv^[1])

影响：VLA/世界模型路线正在从“模仿专家”转向“安全边界内主动探索”。 今日行动：给内部 planner 加一个 uncertainty map：把高不确定但低风险场景标记为优先采集/仿真扩增对象。

2. CoWorld-VLA：文本 CoT 不够，规划需要结构化 world tokens

CoWorld-VLA用四类 expert tokens 表达语义交互、几何结构、动态演化和自车轨迹，再通过 diffusion planner 生成连续轨迹；作者指出纯文本 CoT 难以保留连续时空结构。(arXiv^[2])

影响：自动驾驶 VLA 的中间推理形态可能不会是自然语言，而是 planner 可消费的结构化 token。 今日行动：评估 VLA 方案时，单独检查 reasoning 输出是否能被 planner 约束、回放和验证，而不是只看语言解释是否合理。

3. BEVPredFormer：BEV 预测继续强调时序注意力与实时性

BEVPredFormer是 camera-only BEV instance prediction 架构，使用时序注意力和 3D projection 来捕捉复杂交通中的长程依赖与细粒度运动模式。(arXiv^[3])

影响：BEV/Occupancy 的关键仍是“动态体预测”，尤其是 cut-in、遮挡恢复、交互车辆意图变化。 今日行动：给 BEV 模型增加 temporal stress test：相机缺帧、低帧率、远车小目标、遮挡后再出现。

4. 安全评测方向：Safety2Drive 强调法规测试项与事故场景覆盖

Safety2Drive提供 70 个 AD 功能安全测试项，并支持自然环境扰动、对抗攻击、camera/LiDAR 感知任务评测，目标是补齐现有 closed-loop benchmark 对真实事故和法规场景覆盖不足的问题。(arXiv^[4])

影响：评测体系会从 leaderboard 指标转向法规可解释、安全场景库和跨任务一致验证。 今日行动：把评测集分成三层：常规驾驶、法规必测、安全关键/事故复现；每层都输出 planner、perception、prediction 的归因报告。

5. V2X 与法规：印度开放频谱，UNECE ADS 全球法规继续推进

印度近期为车载雷达和 V2X 通信开放免许可频谱，目标是加速碰撞避免系统部署。(The Times of India^[5]) UNECE 此前宣布 ADS 全球法规草案，旨在为无需驾驶员监督的自动驾驶车辆提供协调的安全部署路径。(UNECE^[6])

影响：V2X 会先在安全预警、碰撞避免、路侧感知增强中落地；同时 ADS 合规会越来越要求 ODD、失效处理、事件记录和安全论证。 今日行动：V2X 方案优先验证降级安全：延迟、丢包、错误身份匹配、路侧信息与车端感知冲突时，车辆必须能回退到单车安全策略。

今天优先读

ExploreVLA、CoWorld-VLA、BEVPredFormer、Safety2Drive，以及 UNECE ADS 全球法规草案。今天的主线很清楚：世界模型从预测器变成探索器，VLA 从语言解释转向结构化决策 token，评测从性能榜单转向安全与法规可验证性。

参考资料