🚗 自动驾驶

🧠 NeurIPS2026 · 5 篇论文解读

📌 同领域跨会议浏览： 🎞️ ECCV2026 (160) · 📷 CVPR2026 (157) · 🔬 ICLR2026 (50) · 🧪 ICML2026 (8) · 🤖 AAAI2026 (56) · 🧠 NeurIPS2025 (47)

AutoExpert: Automating 3D LiDAR Annotation from Expert-Crafted Guidelines

AutoExpert 把专家指南中的文本规则和少量二维示例转化为可训练的检测器，再用视觉语言模型提供实例尺度与朝向先验、以固定尺度多假设检验定位三维框，最终在 AutoExpert-nuScenes 上达到 25.4 mAP3D，而不依赖目标任务的三维训练标注。

DriveHierarchy: A Benchmark for Diagnosing VLM Driving Capabilities from Open-Loop Understanding to Closed-Loop Execution

DriveHierarchy 将视觉语言模型的驾驶能力组织为感知落地、上下文记忆、心智推理和闭环执行四层，用统一开环任务及 100 个交互仿真场景诊断 15 个模型，并在 Qwen3-VL-8B 上展示仅补强开环薄弱能力即可把闭环综合分从 0.902 提高到 8.021，但这不等于真实道路安全保证。

Driving Video Retrieval for Complex Queries with Structured Grounding

STRIVE-D 在独立驾驶视频上用弱标签排序目标校准运动规则，再按查询复用或适配规则并融合视觉与词法检索，使 DrivingDojo 的 Acc@1 从主表最强稠密基线的 14.6% 提升至 26.8%，但不是直接让 LLM 读取视频并判断真实几何。

Markovian Dynamics Enforcer: Feasibility Preserving Correction on Learned Dynamics Manifolds

MaDE 从无控制标签的状态转移学习逆动力学和物理残差，再在控制空间校正预测轨迹，使输出严格服从其学习到的离散动力学映射，并尽力减少不等式违反；inD 上已知模型残差显著降低，但位置预测误差明显上升，不能据此宣称真实物理或安全性得到保证。

Progressive Risk Estimation for Accident Anticipation

PRE-ACT 用距离事件的连续进度监督和同视频片段排序，改进仅看过去滑动窗口的交通风险预测，在 FPR 不超过 0.1 的设置下将 CAP 的 mAUC 从 TOP 的 0.429 提升到 0.481，并用 Separation Score 检查整段风险曲线的误报倾向。