ICCV‘25 | 南开提出AD-GS：自监督自动驾驶高质量闭环仿真，PSNR暴涨2个点~-优快云博客

点击下方卡片，关注“自动驾驶之心”公众号

南开提出AD-GS

自监督自动驾驶高质量闭环仿真，PSNR暴涨2个点（ICCV'25）

南开、伊利诺伊大学厄巴纳-香槟分校和南京大学的研究团队ICCV'25中稿的工作，本文提出了 AD-GS 框架，通过结合可学习 B 样条曲线与三角函数的运动建模和对象感知分割，实现了自监督自动驾驶场景的高质量渲染，在 KITTI 数据集上将 PSNR 提升至 29.16（75% 训练数据设置），显著优于现有自监督方法（如 PVG 的 27.13）。

论文标题：AD-GS: Object-Aware B-Spline Gaussian Splatting for Self-Supervised Autonomous Driving
论文链接：https://arxiv.org/abs/2507.12137
项目主页：https://jiaweixu8.github.io/AD-GS-web/

主要贡献：

提出一种新颖的运动建模方法，结合可学习 B 样条曲线、B 样条四元数曲线与三角函数，实现动态高斯的局部和全局拟合。
提出基于简化伪 2D 分割的场景建模方法，将场景分为物体和背景，物体采用动态高斯和双向时间可见性掩码重建，提升噪声伪标签下的鲁棒性。
设计可见性和物理刚性正则化，结合自监督机制，避免模型出现混乱行为，提升性能。

算法框架：

实验结果：

可视化：

Foresight in Motion：基于奖励启发式的轨迹预测强化框架

香港科技大学、滴滴 Voyager Research 等单位ICCV'25中稿的工作，本文提出轨迹预测新框架 FiM，通过奖励驱动的意图推理（QIRL）和双向选择性状态空间模型（Bi-Mamba），在 Argoverse 1 数据集上实现 Brier Score 0.6218（单模型最优），nuScenes 数据集上 minADE₆ 0.88（当前榜单第一）。

论文标题：Foresight in Motion: Reinforcing Trajectory Prediction with Reward Heuristics
论文链接：https://arxiv.org/abs/2507.12083

主要贡献：

提出 “先推理后预测（First Reasoning, Then Forecasting）” 策略，从规划视角重新定义轨迹预测任务，将行为意图作为空间引导融入预测过程。
设计基于奖励驱动的意图推理器，构建查询中心的逆强化学习（QIRL）框架，融合最大熵逆强化学习（MaxEnt IRL）与向量化上下文表示，有效提取意图先验。
开发结合双向选择性状态空间模型（Bi-Mamba）的分层 DETR-like 解码器，提升轨迹预测的准确性与置信度。
在 Argoverse 和 nuScenes 大规模数据集上验证了方法的优越性，显著提升预测置信度，性能优于现有主流方法。

算法框架：

实验结果：

可视化：

IANN-MPPI：面向自动驾驶的交互感知神经网络增强型模型预测路径积分方法

本田研究所联合加州大学伯克利分校、伊利诺伊大学厄巴纳-香槟分校，提出交互感知神经网络增强的模型预测路径积分框架（IANN-MPPI），在密集车流汇入场景中成功率提升至67.5%（较非交互基线高22.5%），变道时间缩短10秒（31.83秒→21.40秒），计算耗时0.1秒满足实时性。

论文标题：IANN-MPPI: Interaction-Aware Neural Network-Enhanced Model Predictive Path Integral Approach for Autonomous Driving
论文链接：https://arxiv.org/abs/2507.11940

主要贡献：****

提出了交互感知神经网络增强模型预测路径积分（IANN-MPPI）控制框架，这是一种实时、可完全并行的交互感知轨迹规划方法，通过基于 MPPI 采样的每个控制序列预测周围智能体的反应行为，实现复杂机动。
为 MPPI 采样分布引入基于样条的先验，以增强在结构化车道环境中的性能，促进高效的车道变换行为，解决了标准 MPPI 采样多样性不足的问题。

算法框架：

实验结果：

可视化：

最后欢迎大家加入知识星球，硬核资料在星球置顶：加入后可以获取自动驾驶视频课程、硬件及代码学习资料。业内最全的全栈学习路线图，独家业内招聘信息分享~

我们目标是未来3年内打造一个万人聚集的智能驾驶&具身智能社区，这里也非常欢迎优秀的同学加入我们（目前已经有华为天才少年、自驾领域研究前沿的多为大佬加入）。我们和多家业内公司搭建了学术 + 产品+ 招聘完整的桥梁和链路，同时内部在教研板块也基本形成了闭环（课程 + 硬件+问答）。社区里面既能看到最新的行业技术动态、技术分享，也有非常多的技术讨论、入门问答，以及必不可少的行业动态及求职分享。具身智能这么火，要不要考虑转行？自动驾驶技术的未来发展趋势如何？大模型如何预自动驾驶&具身智能结合？这些都是我们持续关注的