FSD v14里面藏了VLA吗？谁在定义自动驾驶下一代方案：VLA vs WA的一场深入探讨......

最新推荐文章于 2025-12-03 18:56:16 发布
转载 最新推荐文章于 2025-12-03 18:56:16 发布 · 297 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247685650&idx=1&sn=fc8ddacc67b189d3838a111ad89337fd&chksm=cf270e3d0b41ccbe98cd1d1140c9b719b8f54ce3944214eb56afd15e55ad94fd16bb2c936d43&scene=126&sessionid=0
文章标签：

#自动驾驶 #人工智能 #机器学习

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近30个方向学习路线

>>直播和内容获取转到 → 自动驾驶之心知识星球

超五百人预约！赶紧加入

这一个月，大家对智能驾驶的讨论前所未有的高涨。

  • 蔚来任少卿聊世界模型的本质

  • 特斯拉ICCV分享FSD的最新进展

  • 理想ICCV分享世界模型的训练闭环

  • 地平线HSD实车表现亮眼

  • 英伟达发布最新的VLA工作

  • 小鹏VLA2.0去掉语言转译

而这些讨论的背后都有着一个主题：自动驾驶的下一代方案应该是什么？

今天自动驾驶之心将为大家带来一场重量级的智驾圆桌，汇聚学术界和工业界的多元观点。这一场圆桌将围绕VLA、世界模型展开极其深入而全面的讨论，包括世界模型和VLA的各种形态，在产业界落地的进展和结合二者的可能性。会谈及近期特斯拉，理想在ICCV发表的技术报告，DriveVLA-W0和世界模型的技术讨论等等。敬请期待这场深度与前瞻性兼具的思想盛宴。

主讲嘉宾

许凌云：中国科学院博士，卡内基梅隆机器人研究所博士后。共发表12篇机器人领域顶级期刊或会议文章，获取过DARPA SUBT无人车挑战赛2019年世界冠军。研究成果主要集中在目标检测、跟踪，从2019年到2024年专注于智能驾驶算法的开发，主导过多个行车和泊车量产项目的落地。担任TIE、TITS、TRO、ICRA、IROS和RSS的审稿人。现任长安汽车泊车团队负责人，研究方向为自动驾驶感知、端到端系统的预研和量产。

江岸青：早稻田大学博士，博世中央研究院高级算法科学家，vla/闭环算法 研究team leader

张志鹏：上海交通大学AutoLab创始人，助理教授，人工智能学院PI，博士生导师

主持人

Gloria，自动驾驶之心运营负责人。

刘斯坦，知乎大V，深度流光联合创始人&CTO

11月17日晚，一场关于自动驾驶世界模型和VLA的深度探讨！

分享介绍

更多精彩回顾

🚀 直播精华看不够？完整版深度内容已独家上线知识星球「自动驾驶之心」！涵盖所有技术细节、QA及未公开彩蛋。深度解析！

DriveBench：VLM在自动驾驶中真的可靠吗？（ICCV'25）

硬核夜话：和一线量产专家深入聊聊自驾数据闭环工程

AI Day直播 | LangCoop：自动驾驶首次以“人类语言”的范式思考

干货满满，快来加入

END

自动驾驶大模型---聊一聊特斯拉的FSD端到端系统
智能汽车人的博客
07-10 1586
特斯拉FSD系统从V12版本开始全面转向纯视觉端到端神经网络架构，彻底颠覆了传统模块化自动驾驶框架。该系统通过单一神经网络直接处理摄像头输入到车辆控制输出的完整流程，核心采用Transformer模型进行时空信息融合，构建3D矢量空间并输出未来轨迹。最新V14版本将引入自回归Transformers技术，通过序列数据分析实现更智能的预判能力，同时扩大模型规模并首次整合音频输入。虽然该方案挑战了行业主流技术路线，但其数据驱动的迭代方式和实际表现已展现出颠覆性潜力。
VLA，是不是自动驾驶的下一站？
shenzhoubb2017的博客
03-27 1167
理想元戎打响VLA第一枪。
FSD v14很有可能是VLA！ICCV‘25 Ashok技术分享解析......
CV_Autobot的博客
10-24 60
我想这很好的解答了为什么无论世界模型/世界引擎多么强大，丰富多样的真实数据永远都是自动驾驶中的核心资源，因为无论多强大的世界模型，其训练数据都来自于真实数据，训练数据的多样性和质量决定世界模型的性能。相比点云或多边形，3D高斯表达更高效可微；可以看到这样的端到端系统不仅输出了下一个驾驶控制指令，还在决策规划信号前输出了很多中间结果，包括了带速度信号的3D占据网格，3D高斯特征，车辆，行人，骑行人等动态障碍物，交通信号灯，信号牌，道路边沿、车道线等静态物体，还有限速，道路属性，以及语言模式表达的决策信息。
揭秘特斯拉FSD V14 “车位到车位”核心算法：高保真3D Occ占用预测
CV_Autobot的博客
10-12 367
专利揭示了特斯拉利用人工智能模型，仅通过摄像头捕获的 2D 图像数据，来高精度（精确到10cm）重建自动驾驶车辆或机器人（下文统称为Ego）周围的 3D 空间结构和障碍物细节，并应用于自主导航、辅助泊车、环境交互界面渲染。评分基于多个因素，如泊车位与 Ego 的距离，以及到达该泊车位所需的路径属性（例如，机动次数和路径平滑度）。：包括体素的二进制占有率（0 或 1），占有率流数据（指示体素的移动速度），以及 3D 语义数据（指示体素所属物体类型，如车辆、路缘、静态/移动质量）。
李想：特斯拉V14也用了VLA相同的技术
CV_Autobot的博客
10-20 104
编辑 | 理想TOP2转自 | 李想: 特斯拉V14也用了VLA相同技术|25年10月18日B站图文版压缩版点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近30个方向学习路线>>自动驾驶前沿信息获取→自动驾驶之心知识星球本文只做学术分享，如有侵权，联系删文视频共计21min24s，花了10min51s介绍对OpenAI定义的5阶段的理解，做了很多类比。认为OpenAI在AI应用/模型/规范定义都做得非常好。聊天机器人（Chatbots）：背后是基座模型，功能是压缩人类已知的数字知识。好比人上
AI Day直播 | WorldSplat：用于自动驾驶的高斯中心前馈4D场景生成
CV_Autobot的博客
11-19 97
近年来，驾驶场景生成与重建技术取得的进展，在提升自动驾驶系统性能方面展现出显著潜力 —— 这类技术能够生成可扩展、可控制的训练数据。与之相对，近期的 3D/4D 重建类方法虽大幅改进了真实驾驶场景的新视角合成效果，却本质上缺乏生成能力。在基准数据集上开展的大量实验表明，WorldSplat 能够有效生成高保真、时空一致的多轨迹新视角驾驶视频。引入融合多模态信息的 4D 感知潜在扩散模型，以前馈方式生成像素对齐的 4D 高斯分布。利用增强型视频扩散模型，对基于这些高斯分布渲染出的新视角视频进行优化。
自动驾驶---Grok进入Tesla啦
智能汽车人的博客
08-22 1073
特斯拉FSD系统或将与xAI的Grok结合，带来三大提升：Grok强大的推理能力可增强FSD对复杂环境的理解与决策；其自然交互特性将优化人车对话体验；快速学习能力还能加速FSD迭代。目前Grok预计运行在车机芯片上，与HW平台上的FSD形成互补。若成功实现模型融合，这一组合有望显著提升特斯拉在自动驾驶领域的竞争力，特别是在文字/图片标识理解等薄弱环节。这标志着特斯拉自动驾驶技术向更智能、更人性化方向迈进的重要一步。
特斯拉世界模拟器亮相ICCV！VP亲自解密端到端自动驾驶技术路线
量子位
10-27 102
对于可解释和安全性问题，如果车辆的行为不符合预期，端到端系统的调试可能就会变得很困难，但模型也可以生成可解释的中间Token，可以根据情况用作推理Token。驶入对向车道是危险的，但在这个具体场景中视野开阔，在避开水坑所需的路程之内对向车道没有车辆，借用对向车道避开水坑是一种可行的选择。为此，特斯拉通过庞大的车队，每天收集相当于500年驾驶总和的数据，并使用复杂的数据引擎筛选最高质量的数据样本。虽然端到端被视为自动驾驶的未来，但在业界，具体的软件算法路线也一直存在VLA和世界模型之争。
51c自动驾驶~合集4
whaosoft~aiotの开发板商城
10-31 1728
我自己的原文哦~ https://blog.51cto.com/whaosoft/12413878迈驰&旷视最新MCTrack：KITTI/nuScenes/Waymo三榜单SOTA1. 写在前面&出发点自2016年SORT[1]算法提出以来，多目标跟踪任务已经经历了多年的发展，从最初的TBD(Tracking-By-Detection)范式发展到TBA(Tracking-By-Attention), JDT(Joint-Detection-Tracking)等范式，从单模态到多模态跟踪，从2D跟踪发展到
特斯拉 Tesla FSD 12.6.4，FSD14， VLA 和 华为 ADS 4.0 比较
juhanishen的博客
08-28 2776
本文比较了四种自动驾驶技术，在中国是未来比较流行的技术路线：分别是FSD12.6.4，FSD14，VLA，WA/ADS4.0。
Co-MTP：面向自动驾驶的多时间融合协同轨迹预测框架
m0_65010824的博客
12-02 889
本文是对论文《Co-MTP: A Cooperative Trajectory Prediction Framework with Multi-Temporal Fusion for Autonomous Driving》的深度解读。在自动驾驶领域，V2X技术虽能突破单车感知局限，但现有研究难充分利用帧间时间线索支撑轨迹预测。同济大学团队提出Co-MTP框架，创新实现历史与未来双时间域融合，以异构图Transformer处理不完整历史轨迹、扩展至未来域捕捉交互，在V2X-Seq数据集获最优性能。
基于perscan、simulink、carsim联仿的自动驾驶避障模型：动态工况下的边界约束...
2508_94198873的博客
11-30 319
从Carsim回传的数据看，车辆轨迹像被磁铁吸着一样紧贴道路中心线，横向位移始终控制在±1.5米内。顺便吐槽下Carsim的方向盘灵敏度，调参这事儿真是玄学，改天得专门写个自适应参数整定模块。这段代码里的road_width*0.8就是给马路边界留的缓冲带，相当于在真实道路边界内侧20%的位置画了条隐形的警戒线。这个clamp函数不仅防了转向过载，其实也暗戳戳守护了道路边界——转向角度越大，车辆横向位移变化率越高，限制转向本质上也是边界防护的手段之一。p1：对边界条件做了约束，避免为了避障而跑出马路。
《自动驾驶与大模型融合新趋势：端到端感知-决策一体化架构分析》
nmdbbzcl的博客
12-01 671
从规则工程到大模型，从模块堆叠到端到端一体化。过去依赖工程师“穷举规则”的时代，已经无法支撑未来复杂城市交通与全球化扩张的需求；而以大模型为核心、端到端感知-决策一体化的架构，则在可扩展性、泛化能力和迭代效率上展现出巨大的潜力。特斯拉 FSD V12/13 用大规模端到端模型在量产车上完成了“从 perception-heavy 到 behavior-heavy”的范式转变；UniAD、DriveGPT4 等研究工作证明了，在学术基准数据集和模拟环境中，端到端一体化可以显著提升整体闭环表现；
FSD入华“加速”中国自动驾驶产业的推动与重构
lmj1689120的博客
12-03 404
FSD入华将促进中国自动驾驶产业从"跟跑"到"并跑"甚至"领跑"的转变，为中国智能网联汽车产业的高质量发展注入新的活力
目标检测数据集 - 自动驾驶场景驾驶员注意力不集中检测数据集下载
极智视界
12-01 404
目标检测数据集 - 自动驾驶场景驾驶员注意力不集中检测数据集下载「包含VOC、COCO、YOLO三种格式」
挥手示意车辆先行，自动驾驶为何常 “不知所措”？ Alpamayo-R1给出新解法
finehoo_andy的博客
12-02 703
2025 年 NeurIPS 人工智能大会（加利福尼亚州圣地亚哥举办）上，英伟达发布的，被业内称为 “自动驾驶领域首个视觉语言动作模型”。这款开源工具的核心目标，正是解决自动驾驶长期面临的 “常识判断” 难题 —— 而这一切技术落地，都离不开 GPU 服务器的算力支撑。
自动驾驶场景驾驶员注意力安全行为睡驾分心驾驶疲劳驾驶检测数据集VOC+YOLO格式5370张6类别
FL1623863129的博客
12-02 150
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["DangerousDriving","Distracted","Drinking","SafeDriving","SleepyDriving","Yawn"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注数量(xml文件个数)：5370。标注数量(txt文件个数)：5370。
AI驱动的网联自动驾驶汽车网络安全测试方法
最新发布
NewCarRen的博客
12-03 656
本文综述了网联自动驾驶汽车(CAV)网络安全测试面临的挑战与解决方案。随着CAV普及，网络攻击风险加剧，现有渗透测试方法面临测试环境成本高、专业人才匮乏等挑战。研究表明，人工智能(AI)在传统行业渗透测试中展现出缩短时间、提高效率的优势，但在CAV领域应用仍存在明显缺口。文章重点分析了强化学习等AI算法在渗透测试中的应用潜力，指出创建仿真环境是测试AI模型有效性的可行方案。开源工具VEINS被推荐为合适的仿真平台，其Python/C++接口便于AI模型集成。研究认为，若证实AI方法有效，可扩展应用于完整CA
Don’t Shake the Wheel: 端到端自动驾驶中的动量感知规划（MomAD）
m0_65010824的博客
12-02 837
本文是对论文《Don’t Shake the Wheel: Momentum-Aware Planning in End-to-End Autonomous Driving》的深度解读。在端到端自动驾驶领域，多模态规划易受单帧感知局限，存在时间不一致、遮挡敏感等问题。论文团队提出 MomAD 框架，引入轨迹与感知动量，通过 TTM 模块（豪斯多夫距离选轨迹）、MPI 模块（融合历史查询）及鲁棒去噪，结合 Turning-nuScenes 数据集与 TPC 指标，显著提升规划稳定性，降低碰撞率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值