每年CVPR放榜那几天自动驾驶方向的投稿量都让人头皮发麻。去年我扫了一遍论文列表粗略数了下带“autonomous driving”“driving scene”“vehicle”字眼的光标题里就有两百多篇加上感知、规划、仿真这些底层方向实际跟车相关的占掉整个会议的将近三成。从最近看到的投稿趋势和预印本的活跃度来推CVPR‘26的自动驾驶赛道大致会集中在这几条主线上端到端方案的工程化、占据网格感知、闭环仿真测试、数据集的重新洗牌以及鲁棒性对抗攻击。这篇文章就按这几个方向把看到的趋势、背后的逻辑、以及哪些能落到量产讲讲清楚。1. 投稿风向标端到端不再是“要不要”而是“怎么要”1.1 从模块化到端到端争论焦点已经转移前两年大家还在激烈讨论“端到端到底行不行”到了现在这个争论基本没有意义了。从几个头部团队陆续公开的技术方案来看端到端已经是量产自动驾驶的主流路线至少在城市NOA这个级别上是。所以CVPR‘26上关于端到端的论文重心会明显偏向“怎么做得更稳、更好、更能收敛”。具体来说我看到几个比较明确的子方向多模态端到端融合摄像头、激光雷达、毫米波雷达的数据如何在网络内部做对齐而不是简单地在输入层拼一起。之前大家习惯用BEV特征做统一表示但现在更多人开始尝试在token层面做Cross-Attention让不同模态在特征空间里直接交互。长时序建模端到端网络处理连续帧时记忆模块的设计非常关键。单纯堆时序很容易让计算量爆炸如何在效率和记忆长度之间平衡是这个方向的痛点。可解释性问题Transformer端到端模型输出一个轨迹但人类工程师没法理解它为什么这么走。现在有不少工作尝试把内部注意力图、中间特征可视化和最终决策关联起来方便做安全审计。1.2 世界模型成了新的“大玩具”世界模型World Model在CVPR上已经热了两年到‘26应该会进一步爆发。本质上世界模型是对交通场景未来演变的预测——给定一段历史观测模型直接生成未来几秒内可能出现的画面、障碍物轨迹甚至自车位置。它和传统运动预测最大的区别在于预测对象从“某个物体的轨迹”变成了“整个场景的状态”。说实话刚开始我觉得这玩意儿有点噱头但后来发现它确实有实用价值作为下游策略的“预训练老师”让模型在大量无标注数据上学会场景演变规律再拿到真实驾驶任务里微调作为仿真器生成难以采集的对抗场景前车急刹、行人鬼探头、极端天气下的视觉退化等作为自驾系统的“脑内推演”在决策前模拟多条轨迹的未来结果然后挑选安全的那条。CVPR‘26上应该会出现一批效果惊人的世界模型——不只是画质好看而是语义上真正“理解”交通规则。比如你给模型看一段雨天路口的场景它生成的未来帧里车辆转弯时会遵守车道线行人不该从隔离带里走出来这些都是模型学到的隐含约束。1.3 小心指标陷阱训练集不能代表真实世界端到端方向论文最需要警惕的是“指标陷阱”。我见过不少论文在nuScenes的val集上刷出很低的碰撞率但放在真实路测里完全不是那么回事。原因很简单公开数据集大多是晴天、白天、结构化道路的分布真实世界的长尾远远超出这个范围。所以CVPR‘26的投稿里我相信会看到更多论文把重点放在“泛化能力”和“分布外测试”上而不是单纯刷某个benchmark的SOTA。这一点对做研究的兄弟姐妹来说是好事——真正有价值的贡献不应该只是让一个曲线往上抬了0.5个点。2. 占据网格和一般性感知从“看见”到“理解”2.1 Occupancy已经成了新的通用表征三年前大家聊感知关键词还是“3D目标检测”——检测出车、行人、自行车这些离散物体。但这几年的共识是真实道路中大量障碍物根本不属于预定义类别比如掉落的轮胎、施工的雪糕筒、倾倒的树枝甚至一片被风卷起的纸板。这些物体用“检测”的思路解决不了因为类别列表根本列不完。所以占据网格Occupancy成了新一代感知的标准输出——把三维空间划分为体素每个体素判断“有没有东西”有东西再做语义分类和运动状态估计。这种做法不依赖固定类别天然适合开放世界的感知需求。从CVPR‘26的征稿趋势来看占据网格方向会向这几个具体问题深入时序一致性与补全单帧预测占据的结果在连续帧间往往会有闪烁、空洞如何利用时序信息做补全和稳定现在还是难题极小目标与远距离目标远处的小目标只占几个像素体素化之后很容易被丢弃研究更精细的表征结构是必要的稀疏化与推理加速目前占据网格的主流实现是稠密预测计算复杂度很高。用稀疏卷积、动态路由等方式做稀疏化在保证精度的前提下把推理时间压进毫秒级工程价值非常直接。2.2 激光雷达不是被淘汰是换了角色前几年有一阵子“视觉派”和“激光雷达派”的关系闹得挺僵现在大家反而想开了。多传感器融合方向不再纠结于“谁取代谁”而是研究“谁擅长什么”。视觉的优势是语义信息和色彩纹理激光雷达的优势是精确的距离测量。在CVPR‘26上针对“视觉为主、激光雷达为辅”的研究思路预计会占据主导地位——比如用视觉做主要感知输入激光雷达作为稀疏深度监督信号辅助网络在缺乏纹理的区域做准确的深度估计或者在BEV空间里把视觉特征和点云特征各自处理后再做attention融合比简单拼接的鲁棒性强很多。毫米波雷达也有新故事。4D成像雷达的分辨率提升之后在端到端框架里的参与度越来越高。它的天气鲁棒性和测速能力是视觉和激光雷达难以替代的尤其在雨雾这种能见度差的场景多了一个可靠的传感器感知系统的置信度会完全不同。2.3 在线高精地图摆脱对离线地图的依赖过去的自动驾驶方案里高精地图是必需品——车道线、交叉口拓扑、限速标志、路沿几何都靠外业测绘获取。问题是高精地图的采集和更新成本高得吓人一个城市的路网变化频繁地图过期的速度往往比更新周期还快。这个矛盾直接催生了“在线地图构建”这个方向车辆在路上行驶的同时通过感知输入直接实时重建出矢量化地图。从最近看到的论文来看主流做法是把感知结果转到BEV空间再用Transformer解码器回归出车道中心线、边界线和通行规则。CVPR‘26上在线地图的方向会有两个明显变化从“单帧静态构建”走向“多帧时序融合”利用历史信息消除遮挡和歧义从“纯几何重建”走向“拓扑语义理解”不只是画线还要理解哪条车道能变道、哪个路口能左转这对规控模块更友好。3. 数据集与评测默认基线的“重新洗牌”3.1 老数据集被“刷爆”之后nuScenes、Waymo Open Dataset这些公开数据集说实话已经接近饱和——几十篇论文在同一个benchmark上刷剩下能提升的空间基本靠细节打磨甚至过拟合真实价值有限。从CVPR’26的动态来看新数据集会成为重要的看点。我关注的几个方向是恶劣天气数据集雨、雪、雾、夜间、低照度这些场景对模型性能的打击是致命的但主流数据集里覆盖太少。新的数据集如果能把天气和光照条件做成标签化的维度对推动感知鲁棒性的帮助会非常大多国家、多城市的数据集不同地区的交通环境、驾驶习惯、道路设计差异很大过去一个模型在一个城市跑得好就能宣称“泛化”这其实是认知偏差。跨地区数据集的推出会让整个评测体系更客观闭环评测数据集静态数据集只能评价感知和轨迹预测精度无法评价“这个模型放到真实交通流里能不能安全行驶”。业界正在探索带闭环仿真接口的评测集让模型输出的轨迹直接回到仿真器里跑以碰撞率和违规率作为最终指标。3.2 长尾场景从“采集”到“生成”长尾场景Corner Case是自动驾驶永恒的痛点过去依赖路测车队偶遇收集效率很低。这个方向在CVPR‘26的演进会是“利用生成模型主动制造长尾”。具体来说就是通过可控生成技术在不改变交通场景语义的前提下改变外观、光照、物体位置、相机视角等因素把真实场景“重渲染”成多种变体——白天变成晚上晴天变成暴雨行人从左边挪到右边。这样一条带标注的真实数据能“裂变”成几百条不同难度场景的训练样本标注成本大幅度下降多样性大幅提升。此外“难例挖掘”也正在成为热点——怎么用策略引导自车主动去探索可能出问题的场景而不是被动地等危险出现。比如在仿真环境中用一个“干扰者”模型持续给自车制造麻烦场景自车从失败中学习这个对抗式的数据生成思路量产团队已经验证过效果。3.3 数据闭环数据集不再是一潭死水过去的公开数据集是静态的发布之后就固定了。但自动驾驶研发实际需要的是“数据闭环”——车端上传有价值的片段云端训练更新模型再重新部署到车上验证。CVPR‘26里数据闭环方向的论文会大量涉及在线难例筛选、轻量化标注、联邦学习等主题。一句话数据集这个方向正在从“大而全”转向“精而准”核心逻辑是把有限的存储和算力花在最能提升系统能力的数据上。4. 仿真与测试游戏引擎该被认真对待了4.1 为什么游戏引擎突然吃香“欧卡2自动驾驶”——这个热搜词看着像游戏玩家的玩笑其实背后是个严肃的方向。先是学术界大量使用游戏《欧洲卡车模拟2》Euro Truck Simulator 2简称ETS2做自动驾驶控制测试后来《侠盗猎车手V》、《微软飞行模拟》也被不同程度地引入。为什么选游戏引擎环境逼真度足够现代游戏引擎的光照、物理、道路建模已经很接近真实跑出来的传感器数据虽然和真实摄像头有domain gap但对于验证规控算法、决策逻辑来说完全够用控制接口开放ETS2通过插件可以读取车辆状态、输出控制指令相当于一个自带场景编辑器的仿真环境成本低到离谱跟动辄几百万的商业仿真软件相比游戏引擎几乎是零成本还能同时开几十个实例做并行测试。CARLA这类专业开源仿真器这几年发展得也很快但游戏引擎的加入让仿真生态更丰富了——前者适合做传感器级别的精度验证后者适合做大规模闭环策略测试。两者配合基本覆盖了从算法研发到量产验证的链条。4.2 从开环测试到闭环测试这里得说个关键概念开环测试是给定一个场景让模型输出结果再和“标准答案”比较——比如轨迹预测的位移误差。闭环测试是把模型放到仿真器里让它自主跟车、变道、过路口跑几万公里看它出不出事。后者才真正接近路测。CVPR‘26上闭环测试的重要性会进一步提高。仿真器构建逼真交通流的能力、场景自动生成的能力、以及“仿真结果能否迁移到真实”的验证方法会是这几个交叉方向的关注重点。另一个有意思的细分方向是“仿真器真实度评价”——用规范化的指标来衡量虚拟环境和真实环境的差距而不是靠人眼感受“像不像”。把真实度量化之后才能有底气说“在仿真器里测过的模型能在真实道路上放心跑”。4.3 仿真器的“最后一公里”问题仿真测试也有明显的天花板。游戏引擎渲染的图像再逼真和真实传感器的底层噪声特性还是有差异光是光照响应曲线就够折腾。很多模型在仿真里表现很好一到真车上就掉点这就是sim-to-real gap在作祟。所以仿真方向的研究者这两年把大量精力投入到领域自适应和域随机化上——在仿真里随机改变纹理、光照、天气、相机参数让模型学到不受特定外观影响的鲁棒特征。这个思路和我在第3节里提到的生成式数据增强本质上是同构的核心都是让模型见过足够多样的“表象”从而理解不变的“本质”。5. 鲁棒性与对抗攻击别被极端case打回原形5.1 anti-UAV方向的启示感知鲁棒性的通用底层逻辑CVPR的anti-UAV反无人机比赛在视觉目标跟踪和检测圈子里一直很火。表面上它跟自动驾驶是两个领域一个在天上打飞贼一个在地上跑车。但仔细看技术栈几乎是一模一样的——未知小型目标的检测、低分辨率下的识别、复杂背景中的跟踪、极端变化下的稳定性。无人机目标比行人更小、机动性更强、外观更不固定在anti-UAV方向练出来的鲁棒性方法迁移到自动驾驶的长尾目标检测上相当好使。具体到CVPR‘26我觉得这个交叉带来的可迁移点有三个小目标的高效检测网络结构、跟踪中的目标重识别方法以及在高动态场景下的注意力机制设计。这些都是两个领域共建的公共技术。5.2 物理世界的对抗攻击从数字补丁到真实海报对抗攻击这个方向过去很多论文停留在“改几个像素骗过网络”的数字层面。但工业界更关心的是物理世界里的对抗攻击——比如在一块广告牌上打印特殊的图案让车上的视觉模型把“停止”标志识别成“限速”或者把一个行人“隐形”。听上去有点科幻但研究已经证明这是可行的。更现实的问题是感知系统的多传感器冗余。如果视觉被攻击了激光雷达能不能兜底毫米波雷达能不能验证所以物理对抗攻击方向的研究最终目标是逼出真正鲁棒的多模态融合架构而不是单纯在网络层面打补丁。5.3 OOD检测与不确定性估计知道自己不知道我见过太多模型在“正常情况”下表现完美遇到没见过的场景就信心满满地给出错误结果。这是自动驾驶最大的隐性危险——不是“不知道”而是“不知道自己在不知道”。因此分布外检测Out-of-Distribution DetectionOOD和不确定性估计在CVPR‘26会是个大方向。核心研究问题是模型如何判断当前输入和训练数据分布相不相似如果相似程度低应该如何降低置信度、触发人工接管或者保守策略这个方向的工作可以分成两类。一类是在模型结构上加一个判别头直接预测输入的OOD分数另一类是通过多次采样比如MC Dropout、集成模型来衡量输出的一致性不一致就说明模型糊涂了。两类做法各有优劣结构上轻量、推理快的方案更容易被量产团队采用。6. 从CVPR‘26往回看哪些方向真的值得all in6.1 短期可工程化的三个方向把上面这些趋势落到工程视角我自己判断短期1-2年内最值得投入的资源方向是占据网格感知它在感知模块里的替代性非常明确特别是针对异形障碍物和开放世界语义效果提升是可以直接量化的在线地图构建摆脱对高精地图的依赖这一步是降低成本的关键谁先把在线建图的精度和稳定性做到量产级谁就掌握了主动权闭环仿真测试体系不管是游戏引擎还是专业仿真器能够稳定、大规模地做闭环测试会让自动驾驶研发迭代速度快好几倍。这事不需要天花板级别的创新把流程和工具体系拼好就能产生巨大价值。6.2 风险与变量论文和量产之间的差距学术界的成果和量产落地之间差距往往不是算法本身而是资源投入和工程耐心。在CVPR’26上看到的很多方向理论上都能提升系统性能但从论文到量产要过的坎至少有这几道算力预算论文里的网络动辄几百GFLOPs量产车上的芯片可能连三分之一都给不了。轻量化和蒸馏技术能不能跟上决定了方向的落地速度数据私有化工业界真正核心的数据不会公开论文在公开数据集上验证的效果用到私有数据上可能要大打折扣安全论证一个新模块上车之前必须回答“如果它失效了会怎么样”。感知、规划、决策每个环节都涉及系统级的安全论证这个过程比算法本身更耗时。所以盯着前沿方向是应该的但在投入资源前把“论文优点”翻译成“工程需求”再把“工程需求”拆成“可验证的指标”才是更稳妥的做法。6.3 个人建议如果让我给大家一个比较实际的建议不要只盯着一两个“热门子方向”刷论文而是尽量站在系统层面思考问题。一个子方向再热如果你的感知、预测、规划链路里用不上那它的价值就是有限的。反过来像占据网格这种“上下游通吃”的基础技术既影响感知决策又影响仿真评测投入产出比就要高得多。我自己这几年跟进CVPR的最大感受是自动驾驶的竞争已经不再是单点算法的竞赛而是整个系统工程能力的综合比拼。模型架构、数据策略、仿真体系、评测标准每个环节都是变量也都都是机会。最后分享一个每次看完学术论文后的习惯把论文的“创新点”换成“这能用在我的哪一行代码上”如果换不出来就先记在笔记里等真正遇到对应问题时再来翻看。这个方法看起来老派但确实帮我避免了好几次“为了引入而引入”的方向性浪费。CVPR‘26的完整论文列表还没放出但从目前的投稿趋势看方向已经很清晰了。希望这篇东西能帮你把注意力花在真正值得的地方而不是被漫天的新概念带跑。