自动驾驶技术方案与论文简报|2026-06-30

自动驾驶技术方案与论文简报｜2026-06-30

1. BEV-CAR：单目 BEV 分割开始重视“遮挡下的布局补全”

CVPR 2026 论文 BEV-CAR提出 Context-Aware Rasterization，面向单目 BEV 语义分割中前景目标难分、被遮挡 layout 类别难估计的问题；方法特点是训练阶段引入上下文栅格化监督，推理阶段移除额外模块，目标是在不增加推理开销的情况下提升 BEV layout/foreground 分割。(CVF Open Access^[1])

影响：对量产感知很有参考价值：BEV 模型不能只“看见可见区域”，还要学会在车辆遮挡、路口遮挡、远处小目标遮挡下恢复可通行布局。

今日行动：给现有 BEV/Occupancy 评测增加遮挡 bucket：前车遮挡车道线、公交车遮挡行人、路口静态车遮挡横穿目标、施工锥桶部分遮挡。

2. RiskFlow：安全场景生成正在从 diffusion 迭代采样转向更快的 flow/action 生成

RiskFlow于 2026-06-04 提交，针对 diffusion 场景生成推理慢、长时域 rollout 容易出现抖动、异常加速度、越界等问题，把未来轨迹生成建模为 action space transport，用单次前向生成加速度和 yaw-rate，并通过车辆动力学重建可行轨迹。(arXiv^[2])

影响：安全验证工具链会越来越强调“快速生成 + 物理可行 + 可复现”。这比单纯生成危险场景更重要，因为闭环回归测试需要稳定、批量、可解释。 今日行动：建立场景生成验收指标：adversariality、realism、off-road rate、加速度/jerk 合理性、重放一致性、是否能定位具体失败模块。

3. EvoDrive：LLM Agent 用于自动挖掘长尾场景，但必须接入仿真约束

EvoDrive于 2026-06-02 提交，提出 simulator-grounded actor-critic：LLM agent 负责演化安全关键场景，critic 过滤不真实候选，并用 Pareto archive 保留“危险性—真实性”的多样化折中。(arXiv^[3])

影响：LLM 在自动驾驶里的短期价值不一定是直接驾驶，而可能是辅助数据闭环：自动生成、改写、搜索 corner case。 

今日行动：用 LLM 做场景生成时，必须加三层约束：交通规则约束、车辆动力学约束、传感器可观测性约束；否则容易生成“很危险但不真实”的无效样本。

4. 英国配送机器人监管变化：低速自动驾驶正在先于 Robotaxi 进入城市空间

英国政府预计支持修改法律，允许自动配送机器人在人行道上运行；报道称该变化将解决其在 1835 年《Highways Act》下地位模糊的问题，但行人组织担心其会影响老人、残障人士和视障人士的通行安全。(The Guardian^[4])

影响：自动驾驶监管不会只围绕 Robotaxi，高频低速场景如配送机器人、园区车、无人零售车会先暴露“人机混行安全”问题。 

今日行动：如果做低速无人车/园区车，重点补 pedestrian-first safety case：盲区停车、窄路会车、儿童/老人/轮椅用户、宠物牵引绳、路面障碍物。

5. Zoox 量产爬坡：无方向盘 Robotaxi 的交互设计成为安全系统一部分

Amazon Zoox 正准备提升新款 robotaxi 产能，报道称目标最高可达每周 100 辆；新版车保留 carriage-style 座舱，同时增强乘客触屏、双向语音、车门外部交互等设计，仍需监管批准。(Business Insider^[5])

影响：目的型 Robotaxi 不是简单“去掉方向盘”，乘客交互、应急沟通、外部行人/执法者沟通都必须成为安全链路。 

今日行动：给无人驾驶产品补 HMI 测试：乘客如何请求靠边、急停、联系远程支持；警察/消防/行人如何理解车辆状态；通信断联时车辆如何表达意图。

今天优先读

BEV-CAR、RiskFlow、EvoDrive、Safety2Drive、Zoox 量产报道、英国配送机器人监管报道。

风险预警

今天的主线是：技术上，安全场景生成与 BEV 遮挡理解在加速；产业上，无人驾驶正在进入更复杂的人机混行空间。研发侧要避免只追求模型分数，应同步建设遮挡评测、物理可行场景生成、HMI 安全交互和低速混行规则。

参考资料