一、本周关键新技术速览

工业动态

二、值得关注的研究方向

1.VLA与强化学习的融合： MindDrive（ECCV 2026）首次将在线强化学习引入VLA框架；DriveVLA-W0（ICLR 2026）用世界模型生成自监督信号解决VLA监督赤字。VLA正从模仿学习向试错学习+世界模型增强的双轨进化。

2.自车-场景交互建模： FlowAD（ICLR 2026）显式建模自车运动对未来观测的反馈，将交互表示为场景流。这是端到端自动驾驶从”静态感知”向”动态交互”的范式转变，碰撞率降低19%验证了该方法的有效性。

3.时序残差世界模型： ResWorld（ICLR 2026）将动态物体与静态背景分离建模，提升长时预测精度。世界模型正从统一架构走向精细化建模，为安全关键型决策提供更可靠的环境推演。

4.端到端自动驾驶的量产落地： 特斯拉FSD v14 Lite向HW3推送，华为ADS 5.0、小鹏XNGP 4.0均实现端到端架构上车，L3级量产成为2026年行业核心主题。

三、行业动态

头部公司动态

·特斯拉： FSD v14 Lite于6月29日正式向HW3车主推送（固件2026.20.5.1），通过蒸馏将HW4 V14驾驶行为迁移至HW3。v14.3.4于6月26日推送，升级强化学习训练阶段、神经网络视觉编码器（MLIR重写，反应时间快20%）。北美Robotaxi已扩展至奥斯汀全都会区。订阅制统一为$99/月。

·华为： 乾崑ADS 5.0采用WEWA 2.0架构，搭载896线双光路激光雷达。2026年预计超80款车型搭载。

·小鹏： 6月交付40,126台（+15.9% YoY），Q2累计103,295台。GX上市即爆款，6月交付6,739台，7月1日第10,000台下线。L4 Robotaxi基于GX量产，搭载4颗自研图灵芯片，本地3000TOPS。

·小米： MindDrive（ECCV 2026）被接收，Bench2Drive DS 80.59。此前14篇论文入选CVPR 2026（DriveLaW世界模型、ParkGaussian泊车重建、SimScale仿真等），3篇入选ICLR 2026。小米XLA基础模型已于2026年3月发布。

·百度： 与上海交通大学合作的FlowAD（ICLR 2026）提出自车-场景交互建模，碰撞率降低19%。百度Apollo持续迭代，L4 Robotaxi在全国多城运营。

·理想： 马赫VLA三季度推送新版本，四季度对齐特斯拉FSD V14。MindVLA-o1采用原生3D ViT。

技术路线观察

·VLA路线分化与融合： 小鹏坚持VLA量产，华为坚持WA世界行为模型，小米MindDrive以VLA+RL开辟新路径，DriveVLA-W0以世界模型增强VLA。多条路线并行探索，尚未收敛。

·世界模型精细化： ResWorld的时序残差建模、FlowAD的自车-场景交互、DriveVLA-W0的自监督信号生成，代表世界模型从统一架构向精细化、任务导向演进。

·L3商用加速： 工信部首批L3准入牌照已发放，2026年成为L3量产元年。

监管与政策

·中国：工信部首批L3车型准入已发放，23城完成L3路测认证。

·美国：德州奥斯汀允许特斯拉Robotaxi无监督测试，NHTSA持续调查FSD事故。

·欧洲：WP.29批准DCAS UNR 171 series 02，2026年底生效。何小鹏明确提及此法规，预示2026年底自动驾驶可合法进入欧盟市场。

四、本周推荐论文详解（3篇）

论文1：【学术型】FlowAD

发布日期: 2026-06

机构: 上海交通大学、百度 - 

发表: ICLR 2026

主要内容

提出FlowAD，一种自车-场景交互建模框架。与传统方法孤立处理每个时间戳不同，FlowAD显式建模自车运动对未来观测的反馈，从根本上提升对驾驶过程的理解和规划能力。受人类感知启发，FlowAD将自车-场景交互表示为相对于自车的场景流，在潜在特征空间内捕捉相对运动。这使得可以使用现有的log-replay数据集建模自车运动反馈，无需复杂的场景仿真。

核心创新点 1. 显式建模自车运动对未来观测的反馈，而非孤立处理每个时间戳。 2. 将自车-场景交互表示为场景流，在潜在特征空间内捕捉相对运动。 3. 无需复杂仿真，利用现有log-replay数据集即可训练。

推荐理由/落地价值

FlowAD在nuScenes上实现碰撞率降低19%，FCP指标提升60%，Bench2Drive闭环驾驶分数51.77。对百度等工业界玩家而言，该方法可直接应用于端到端系统的规划模块，通过显式建模自车-环境交互提升系统在复杂城市路况下的安全性和舒适性。

论文2：【学术型】ResWorld

发布日期: 2026-06 - 发表: ICLR 2026

主要内容

提出ResWorld，一种时序残差世界模型用于端到端自动驾驶。核心思想是将动态物体与静态背景分离建模：通过时序残差建模，在潜在BEV空间中分离动态元素和静态背景。这与FRGB3D背景减除的概念相关，但应用于端到端规划的潜在空间。ResWorld提升长时域预测的精度和稳定性，为端到端驾驶提供更可靠的未来场景推演。

核心创新点 1. 时序残差世界模型，显式分离动态物体与静态背景。 2. 在潜在BEV空间中应用残差建模，提升长时预测精度。 3. 为端到端自动驾驶提供更可靠的未来场景推演能力。

推荐理由/落地价值

ResWorld在nuScenes开环和闭环评测中均表现优异。对自动驾驶产业而言，该方法可显著提升端到端系统在复杂动态场景下的预测能力，降低碰撞风险，是 world model 从统一架构向精细化建模演进的重要里程碑。

论文3：【工业落地型】MindDrive

发布日期: 2026-06-20 

机构: 小米EV、华中科技大学

发表: ECCV 2026

主要内容

当前VLA范式主要依赖模仿学习（IL），存在分布偏移和因果混淆等固有问题。MindDrive提出一种VLA框架，为LLM配备两组独立的LoRA参数：一组作为决策专家（Decision Expert），负责场景推理和离散语言驾驶决策；另一组作为动作专家（Action Expert），将语言决策动态映射为可行轨迹。通过将轨迹级奖励反馈到推理空间，MindDrive在有限离散语言决策集上实现试错学习，而非直接在连续动作空间操作。

核心创新点 1. 首次将在线强化学习应用于VLA模型，解决模仿学习的分布偏移与因果混淆。 2. 提出”语言即动作”范式，用离散语言决策替代连续动作空间探索，大幅提升RL探索效率。 3. 双专家LoRA架构：决策专家负责高层推理，动作专家负责低层轨迹生成。

推荐理由/落地价值

MindDrive在Bench2Drive上取得DS 78.04（0.5B）和80.59（3B）的SOTA成绩，是首个验证在线RL对VLA有效性的工作。对小米及其他车企而言，该方法可直接应用于VLA模型的后训练阶段，通过RLHF式迭代提升驾驶策略的鲁棒性和安全性。

参考文献：

1.Guo, M. et al. FlowAD: Ego-Scene Interactive Modeling for Autonomous Driving. ICLR, 2026.

2.Zhang, J. et al. ResWorld: Temporal Residual World Model for End-to-End Autonomous Driving. ICLR, 2026.

3.Fu, H. et al. MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning. ECCV, 2026.

4.Li, Y. et al. DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving. ICLR, 2026.

5.VADv2: Vectorized Scene Representation for Efficient Autonomous Driving. ICLR, 2026.

6.Wei, W. et al. Spatial-aware Vision Language Model for Autonomous Driving. CVPR Workshop, 2026.

7.VLGA: Vision-Language-Geometry-Action Models for Autonomous Driving. arXiv:2606.12396, 2026.

8.Liu, L. et al. GuideFlow: Constraint-Guided Flow Matching for Planning in End-to-End Autonomous Driving. CVPR, 2026.

9.特斯拉FSD v14 Lite发布说明. Tesla Oracle, 2026-06-29.

10.小鹏汽车2026年6月交付公告. 小鹏集团, 2026-07-01.

11.华为乾崑智驾ADS 5.0发布. 新浪财经, 2026-06-30.

12.小米多篇论文入选CVPR 2026. 新浪财经, 2026-05-16.