当前位置：首页>行业>【行业动态】一月第二周行业动态要闻

【行业动态】一月第二周行业动态要闻

2026-03-07 08:41:02

车路协同自动驾驶公众号定期整理汇总行业相关动态，欢迎大家在手机端订阅#行业动态#话题，随时沉浸阅读！

目

录

一月第二周

1.山东高速集团发布智慧交通建设系列成果以科技创新驱动数字化转型
2.GALTraj：可控扩散驱动的生成式主动学习，破解自动驾驶轨迹预测长尾难题
3.同济大学汽车学院提出Adversarial闭环评估平台：大幅提升端到端自动驾驶在极端情况下的安全性
4.“车路云一体化”正从“有用”走向“能用”
5.DynamicPAE框架：实时生成动态物理对抗样本开启自动驾驶安全新篇章
6.小鹏汽车与北京大学合作为自动驾驶引入新型视觉标记剪枝框架

山东高速集团发布智慧交通建设系列成果以科技创新驱动数字化转型

（详情请扫描二维码/点击链接跳转阅读原文）

山东高速集团正全面推进高速公路的智能化升级，其核心成果“智慧大脑3.0”平台融合了全域感知、北斗高精度定位与AI分析，实现了对路网运行的精准监测与拥堵预警。在提升通行效率方面，自主研发的智慧云收费系统已大规模部署，使单车通行时间缩短至3秒，整体效率提升约35%。

同时，集团积极构建智能网联产业生态，建成了国内测试里程最长、场景最全的高速公路封闭测试基地，已服务多家车企与机构。通过牵头创新联合体、与高校共建学院等产学研深度融合模式，集团正协同攻关关键技术，推动智慧交通从技术研发走向规模化应用。

山东高速集团发布智慧交通建设系列成果以科技创新驱动数字化转型

中国L3级自动驾驶技术落地！深蓝汽车开启智能驾驶新纪元

（详情请扫描二维码/点击链接跳转阅读原文）

近日悬挂“渝AD0001Z”等特殊号牌的46辆深蓝汽车在重庆上路，标志着中国首批L3级自动驾驶车辆实现了大规模合规落地。这背后依托的是长安“北斗天枢”战略赋能下的“天枢智能”技术体系，该体系通过七重冗余架构和超500万公里严苛测试，构筑了安全底座。同时，深蓝汽车作为“新央企”获得的战略信任与资源整合能力，以及近期完成的61.22亿元融资，共同为其在这一关键节点率先突破提供了坚实支撑。

此次上路不仅是技术验证的里程碑，更开启了L3技术“反哺”消费市场的进程——同源技术已应用于深蓝L06等车型，推动智能驾驶体验普及。它象征着行业竞争核心向智能化与安全责任转变，深蓝汽车凭借先发优势，正参与定义下一代汽车的智能标准，引领中国自动驾驶产业进入技术、政策与资本协同发展的新阶段。

中国L3级自动驾驶技术落地！深蓝汽车开启智能驾驶新纪元

清华滴滴ColaVLA：认知 latent 推理+分层并行解码效率革命

（详情请扫描二维码/点击链接跳转阅读原文）

为突破现有VLM自动驾驶规划模型在文本推理延迟高、离散语义与连续控制脱节，以及非因果解码效率低下三大瓶颈，清华大学等机构联合提出ColaVLA框架。其核心创新在于：首创认知潜在推理器，将耗时的文本链式思考迁移至统一的潜在空间，仅需两次前向传播即可完成决策，摒弃了自回归文本生成；并设计分层并行规划器，通过多尺度轨迹查询与因果注意力掩码，在单次前向传播中解码出因果一致的多尺度轨迹，实现了语义推理与连续控制的高效对齐。

实验证明，该框架性能卓越。在NuScenes基准测试中，其规划误差与碰撞率均达顶尖水平，更在闭环测试中大幅领先。尤为关键的是，其延迟仅约727毫秒，较传统VLM规划方法提升近5倍，为高阶自动驾驶提供了兼顾高可靠性、强可解释性与实时性的全新规划方案。

清华滴滴ColaVLA：认知 latent 推理+分层并行解码效率革命

奔驰&图宾根联合新作！SpaceDrive：为自动驾驶VLA注入空间智能

（详情请扫描二维码/点击链接跳转阅读原文）

奔驰与图宾根大学的研究团队提出SpaceDrive框架，旨在解决VLM在自动驾驶中3D空间感知薄弱的核心问题。其核心创新在于设计了一套统一的3D位置编码，将视觉特征、文本中的坐标以及自车状态全部转换为连续且一致的空间嵌入，替代了容易出错的离散文本数字表示。这一方法让模型能同时理解场景语义与精确几何关系，并辅以回归式解码器直接输出平滑轨迹，显著提升了空间推理的准确性与效率。

实验证明，该框架在nuScenes开环测试中实现了平均0.32米的轨迹误差与0.23%的低碰撞率，在Bench2Drive闭环仿真中也表现出色。SpaceDrive在不依赖复杂BEV建模的情况下，成功让VLM具备了精确的3D定位与规划能力，且能灵活适配多种主流VLM基座，为端到端自动驾驶提供了兼具感知精度与泛化性的新方案。

奔驰&图宾根联合新作！SpaceDrive：为自动驾驶VLA注入空间智能

同济VLM as Strategist：VLM引导自适应安全关键场景生成框架

（详情请扫描二维码/点击链接跳转阅读原文）

同济大学的研究团队提出了一种创新的VLM驱动自适应引导扩散框架，旨在解决自动驾驶安全测试中场景生成动态响应不足的关键难题。该研究的核心突破在于将视觉语言模型（VLM）从被动的“翻译者”升级为主动的“策略师”，使其能通过链式思维推理自主分析场景并制定对抗性生成目标。配合一套“战略-战术-操作”三层架构与自适应引导机制，框架能让生成的背景车辆（BV）实时响应被测车辆的动态动作，从而创造出高交互性的安全关键测试场景。

实验验证表明，该框架能显著提升测试的严苛性与针对性。其生成的场景使不同自动驾驶算法（AUT）的平均责任碰撞率提升了4.2倍，并成功适配了多种类型的AUT与VLM基座。这为高效、自动化地暴露自动驾驶系统弱点，进行高保真安全测试提供了强有力的新工具。

同济VLM as Strategist：VLM引导自适应安全关键场景生成框架

轻舟智航&北交 GuideFlow：破解自动驾驶轨迹规划“多样性 - 安全性”困局的约X束引导流匹配新方案

（详情请扫描二维码/点击链接跳转阅读原文）

北交大与轻舟智航等团队提出的GuideFlow框架，旨在破解端到端自动驾驶规划中轨迹多样性与安全约束难以兼顾的核心矛盾。其核心创新在于，将碰撞规避、车道保持等显式安全约束，通过约束速度场修正与流状态约束等技术，直接嵌入到基于流匹配的轨迹生成过程中，从而在源头确保每条生成的轨迹都符合规则。同时，框架引入了能量匹配与驾驶风格条件信号，使模型能同时生成多种合规的可选轨迹，并能灵活调节驾驶行为的激进或保守程度。

实验证明，GuideFlow在NuScenes等主流开环与闭环测试基准上均取得领先性能。其生成的轨迹在保持多样性的同时，实现了极低的碰撞率（如在NuScenes上平均仅0.07%），并在Bench2Drive等复杂仿真中展现出优异的驾驶分数和成功率。该方法为自动驾驶系统在复杂场景下实现既灵活又可靠的决策规划提供了有效的技术路径。

轻舟智航&北交 GuideFlow：破解自动驾驶轨迹规划“多样性 - 安全性”困局的约X束引导流匹配新方案

声明：车路协同自动驾驶公众号推送的行业动态均附上原文地址，感谢原创作者的创作与奉献。部分文章资讯、图片、照片、视频等来源于网络，如涉及版权问题，请直接与中国公路学会自动驾驶工作委员会秘书处联系，我们会在48小时内予以处理。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

【行业动态】一月第二周行业动态要闻

最新文章

热门文章

随机文章

【行业动态】一月第二周行业动态要闻

下周行情分析及潜在机会(元.11)

劳力士126518胶带迪行情飞涨

最新文章

热门文章

随机文章