近日，由联想车计算与清华大学智能产业研究院（AIR）联合研究项目产出的论文《ASSCG：自动驾驶大模型快慢协同规划的自适应门控方法》被计算机视觉顶会ECCV 2026录用。该研究由联想车计算自动驾驶产品线负责人包广俊、产品管理总监孙炳川联合清华大学智能产业研究院（AIR）团队共同完成。
ECCV（欧洲计算机视觉会议，European Conference on Computer Vision）是计算机视觉领域最具国际影响力的顶级学术会议之一，与CVPR（国际计算机视觉与模式识别会议）、ICCV（国际计算机视觉会议）并称为计算机视觉“三大顶会”。该会议长期汇聚全球顶尖高校与工业界研究力量，在视觉感知、机器学习与具身智能等前沿方向具有重要学术引领作用，其录用论文代表该领域最前沿的研究成果之一。
本篇论文面向自动驾驶快慢双系统中大语言模型介入时机与计算调度优化问题，提出了一种自适应控制门机制ASSCG（Adaptive Slow-System Control Gate）。研究聚焦自动驾驶快慢双系统中大语言模型的计算调度问题，首次系统性地回答了“大模型调用时机”这一关键问题。研究表明，在自动驾驶规划中，大模型并非调用越频繁越好，合理的调用策略能够在降低计算开销的同时提升闭环性能和安全表现。而论文提出的ASSCG通过动态决定何时调用、复用或主动忽略慢系统输出，使自动驾驶系统能够根据场景变化自适应分配计算资源。在nuPlan和NAVSIM等国际主流评测基准上，ASSCG在实现更高规划得分的同时，将推理延迟降低约25%至60%，验证了其在真实部署场景中的应用潜力。
ASSCG总体框架:当前场景编码、缓存相似度、距离上次慢查询的时间等信号进入RWKVgate，输出Query / Cache / Drop.
随着大语言模型和视觉语言模型逐步进入自动驾驶系统，如何在有限算力和严格实时性约束下发挥大模型能力，正成为自动驾驶产业化落地面临的核心挑战之一。ASSCG的提出对于行业具有重要意义，其快慢协同与自适应调度机制，为大模型在自动驾驶中的高效部署提供了一种新的系统范式，也为机器人、具身智能等同样面临实时决策与复杂推理协同问题的智能系统提供了可借鉴的技术路径。
同时，这一研究也为“高效调度机制+高性能计算平台”的协同演进提供了新的思考方向。联想车计算正围绕自动驾驶大模型落地过程中面临的算力、实时性和部署效率等关键挑战，持续构建完整能力体系。基于旗舰级L4自动驾驶域控制器AD1和高算力L2++辅助驾驶域控制器AH1，结合ASSCG等前沿研究成果，联想车计算正探索推动自动驾驶大模型在高阶辅助驾驶、Robotaxi等场景中的高效运行与规模化部署，助力智能驾驶系统向更高阶自主能力演进。
此研究被ECCV 2026录用，不仅是是联想车计算与清华AIR在自动驾驶基础研究与前沿技术创新方面取得的又一阶段性成果，也是联想在“AI赋能汽车”方向上的一次关键迈进，展现了双方围绕智能驾驶核心技术持续开展产学研协同创新的能力。未来，双方将继续探索大模型与智能系统的深度融合，推动前沿研究成果向产业应用转化，为下一代智能汽车和物理智能系统的发展提供更加高效、安全的计算与决策能力支撑。
- https://arxiv.org/abs/2606.25509
- https://williamxuanyu.github.io/asscg/
