Posts

论文精读｜DriveVLM：把大语言模型推理能力搬上自动驾驶

DriveVLM 是首个系统性地把视觉语言模型用于自动驾驶场景理解与推理的工作。本文拆解它的动机、设计与双系统架构。

一文搞懂 VLA 模型的核心思想、架构演进，以及它为什么成为自动驾驶的新范式。

Physical Intelligence的π0模型用Flow Matching做动作头，在多机器人平台上实现通用操控。

世界模型到底在建模什么？它在自动驾驶里解决什么问题？这篇用大白话讲清楚。

UniAD首次将感知、预测、规划统一到端到端框架中，以规划为最终目标联合优化，获CVPR 2023最佳论文奖。

端到端自动驾驶到底端在哪？它和传统方案差在哪？一篇梳理清楚来龙去脉。

DriveVLA-W0 将 VLM 推理、世界模型预测与动作生成统一到端到端框架，代表了自动驾驶从感知驱动走向理解驱动的范式转变。

Flow Matching是扩散模型的高效替代方案，在自动驾驶轨迹生成和机器人动作生成中越来越流行。这篇从数学直觉到工程实践讲清楚。

AlpaMayo-R1 将 GRPO 强化学习方法引入自动驾驶策略训练，通过奖励驱动的方式优化驾驶决策的安全性与效率，配合 AlpaSim 仿真与 AlpaAuditor 审计形成完整闭环。

BEV感知把多摄像头画面统一到鸟瞰图空间，是现代自动驾驶感知的基石。这篇讲透它的原理、代表方法和工程价值。

NVIDIA Cosmos 3 通过 Mixture-of-Transformers 架构统一多模态，在 8 项物理 AI 基准上取得开放模型第一，以 OpenMDW-1.1 许可证开源，加速物理 AI 产业落地。

SparseDrive V2 通过全稀疏查询设计统一感知、预测与规划，在大幅降低计算量的同时保持顶尖性能，是端到端自动驾驶走向实时部署的重要一步。

DiffusionDrive 将扩散模型引入自动驾驶轨迹规划，通过多模态轨迹生成解决确定性规划的局限，是生成式端到端驾驶的代表作。

华科×小米EV提出ReCogDrive，将VLM认知推理与扩散规划器统一，通过DiffGRPO强化学习提升安全性，在NAVSIM和Bench2Drive上达到SOTA。

这里会分享自动驾驶方向的求职面经和面试准备，敬请期待。

这里会记录我做过的自动驾驶相关项目和工程实践，敬请期待。