自动驾驶

LiDAR-as-Camera for End-to-End Driving

Ardi Tampuu, Romet Aidla, Jan Are van Gent, Tambet Matiisen

专题命中 端到端驾驶 ：LiDAR(title,abstract)；end-to-end driving(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV、cs.AI

Self-Supervised JEPA-based World Models for LiDAR Occupancy Completion and Forecasting

基于JEPA的世界模型的自监督LiDAR占用完成与预测

Haoran Zhu, Anna Choromanska

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 端到端驾驶 ：LiDAR(title,abstract)；occupancy(title,abstract)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出AD-LiST-JEPA，一种基于JEPA框架的自监督世界模型，用于自动驾驶中通过LiDAR数据预测未来时空演变，并在占用完成与预测任务中验证其有效性。

Carl-Lead: Lidar-based End-to-End Autonomous Driving with Contrastive Deep Reinforcement Learning

Peide Cai, Sukai Wang, Hengli Wang, Ming Liu

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(title,abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.AI

Comments 8 pages, 6 figures, submitted to RA-L with ICRA presentation option

OWMDrive: Causality-Aware End-to-End Autonomous Driving via 4D Occupancy World Model

OWMDrive: 基于4D占用世界模型的因果感知端到端自动驾驶

Junjie Cheng, Ruiqi Song, Ye Wu, Nanxing Zeng, Ximiao Li, Yunfeng Ai

机构 * The School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Waytous Inc.（Waytous公司） ； The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； The College of Surveying and Geo-Informatics, Tongji University（同济大学测绘与地理信息学院） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；occupancy(title,abstract)；end-to-end driving(abstract)；分类 cs.CV

AI总结 提出OWMDrive框架，利用4D占用世界模型预测多步3D占用，作为条件先验引导扩散规划器生成强化轨迹，显式建模时空因果依赖，提升复杂场景下的规划鲁棒性和安全性。

Comments International Conference on Intelligent Robots and Systems (IROS), 2026

End-to-End Driving with Online Trajectory Evaluation via BEV World Model

Yingyan Li, Yuqi Wang, Yang Liu, Jiawei He, Lue Fan, Zhaoxiang Zhang

专题命中 端到端驾驶 ：BEV(title,abstract)；end-to-end driving(title,abstract)；autonomous driving(abstract)；分类 cs.CV

OccLLaMA: An Occupancy-Language-Action Generative World Model for Autonomous Driving

Julong Wei, Shanshuai Yuan, Pengfei Li, Qingda Hu, Zhongxue Gan, Wenchao Ding

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；occupancy(title,abstract)；分类 cs.RO、cs.CV

PRIX: Learning to Plan from Raw Pixels for End-to-End Autonomous Driving

PRIX：从原始像素学习计划以实现端到端自动驾驶

Maciej K. Wozniak, Lianhang Liu, Yixi Cai, Patric Jensfelt

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； SCANIA（斯堪尼亚） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract)；LiDAR(abstract)；end-to-end driving(abstract)

AI总结 PRIX通过使用仅需摄像头数据的端到端驾驶架构，无需BEV表示和LiDAR，直接从原始像素预测安全轨迹，实现了高效且实用的自动驾驶解决方案。

Comments Accepted for Robotics and Automation Letters (RA-L) and will be presented at iROS 2026

V2X-Lead: LiDAR-based End-to-End Autonomous Driving with Vehicle-to-Everything Communication Integration

Zhiyun Deng, Yanjun Shi, Weiming Shen

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(title,abstract)；分类 cs.RO

Comments To be published in IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2023

Scaling Self-Play for End-to-End Driving

扩展端到端驾驶的自我对弈

Luke Rowe, Roger Girgis, Rodrigue de Schaetzen, Daphne Cornelisse, Alaap Grandhi, Felix Heide, Eugene Vinitsky, Christopher Pal, Liam Paull

机构 * Mila（米拉研究所） ； Université de Montréal（蒙特利尔大学） ； Polytechnique Montréal（蒙特利尔理工学院） ； Torc Robotics ； NYU Tandon School of Engineering（纽约大学坦登工程学院） ； McMaster University（麦克马斯特大学） ； Princeton University（普林斯顿大学） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；BEV(abstract,abstract_cn)；autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 提出大规模自我对弈训练策略，通过高效模拟器Gigapixel实现像素级自我对弈，结合DAgger蒸馏和感知适应，提升端到端驾驶模型性能。

Using Ensemble Diffusion to Estimate Uncertainty for End-to-End Autonomous Driving

使用集成扩散估计端到端自动驾驶的不确定性

Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

机构 * Norwegian University of Science and Technology（挪威科学技术大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(abstract)；trajectory planning(abstract)；end-to-end driving(abstract)

AI总结 提出EnDfuser系统，利用扩散模型作为轨迹规划器，通过集成扩散从单一感知帧生成候选轨迹分布，实现不确定性感知决策，在LAV基准上驾驶评分提升1.7%。

Comments Accepted at NLDL 2026

Multi-Modal Fusion Transformer for End-to-End Autonomous Driving

Aditya Prakash, Kashyap Chitta, Andreas Geiger

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV、cs.AI

Comments CVPR 2021

Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving

Auto-JEPA：面向端到端自动驾驶的连续意图隐式世界模型

Jiwei Yang, Zhengxian Chen, Chaosheng Huang, Jun Li

专题命中 端到端驾驶 ：autonomous driving(title)；BEV(abstract,abstract_cn)；occupancy(abstract)；分类 cs.RO、cs.AI

AI总结 Auto-JEPA是面向端到端自动驾驶的连续意图隐式世界模型，通过联合嵌入预测学习未来驾驶意图，无需密集未来世界建模，在NAVSIM数据集上取得优异规划性能，可聚焦规划相关视觉特征。

X-Mind: Efficient Visual Chain-of-Thought via Predictive World Model for End-to-End Driving

X-Mind: 通过预测世界模型实现高效视觉思维链的端到端驾驶

Bohao Zhao, Chengrui Wei, Guangfeng Jiang, Ruixin Liu, Xuejie Lv, Liu Liang, Sutao Deng, Xiuyang Fan, Pengkun Zheng, Jinyun Zhou, Rui Guo, Hanpeng Liu, Yutong Zheng, Yi Guo, Xinlong Zheng, Qingyu Luo, Zhuangzhuang Ding, Yu Zhang, Hang Zhang, Xianming Liu

机构 * XPeng Inc.（小鹏汽车） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 提出X-Mind框架，将预测世界模型内化为视觉思维链，通过紧凑的草图表示和循环块扩散方案，实现高效、低延迟的端到端驾驶策略。

StandardE2E: A Unified Framework for End-to-End Autonomous Driving Datasets

StandardE2E：端到端自动驾驶数据集的统一框架

Stepan Konev

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 提出StandardE2E框架，通过统一数据模式、多数据集联合加载和简化新数据集添加流程，解决端到端自动驾驶数据集格式不兼容问题。

The Road Ahead in Autonomous Driving: The KITScenes Multimodal Dataset

自动驾驶的未来之路：KITScenes多模态数据集

Richard Schwarzkopf, Fabian Immel, Alexander Blumberg, Jonas Merkert, Nils Rack, Kaiwen Wang, Fabian Konstantinidis, Julian Truetsch, Carlos Fernandez, Annika Bätz, Kevin Rösch, Marlon Steiner, Willi Poh, Yinzhe Shen, Royden Wagner, Felix Hauser, Dominik Strutz, Jaime Villa, Gleb Stepanov, Holger Caesar, Ömer Şahin Taş, Frank Bieder, Jan-Hendrik Pauls, Christoph Stiller

机构 * FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； University Charles III of Madrid（马德里第三大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出KITScenes多模态数据集，通过高保真传感器和完整HD地图，解决现有数据集在传感器精度、地图完整性和地理多样性上的不足，并引入四个基准推动空间学习。

Comments 28 pages, 21 figures

VL-DPO: Vision-Language-Guided Finetuning for Preference-Aligned Autonomous Driving

VL-DPO：基于视觉语言的偏好对齐自动驾驶微调

Zhefan Xu, Ghassen Jerfel, Marina Haliem, Qi Zhao, Jeonhyung Kang, Khaled S. Refaat

机构 * Waymo 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；end-to-end driving(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结 本文提出VL-DPO，一种基于视觉语言模型的框架，通过零样本推理生成偏好对来微调自动驾驶模型，以提升与人类驾驶偏好的对齐程度，实验表明该方法在RFS和ADE指标上均优于基线模型。

Comments Published in International Conference on Robotics and Automation (ICRA), 2026 8 pages, 6 figures, 4 tables

EgoFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving

EgoFSD：面向端到端自动驾驶的以自我为中心的完全稀疏范式，结合不确定性去噪和迭代细化

Haisheng Su, Wei Wu, Zhenjie Yang, Isabel Guan

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； SenseAuto ； The Hong Kong University of Science and Technology（香港理工大学） 纠错

专题命中 端到端驾驶 ：self-driving(title,abstract)；autonomous driving(abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV

AI总结 EgoFSD通过引入稀疏感知、分层交互和迭代运动规划，提升端到端自动驾驶的效率和性能，减少误差和碰撞，提高训练稳定性。

Comments Accepted to ICRA2026

SynAD: Enhancing Real-World End-to-End Autonomous Driving Models through Synthetic Data Integration

Jongsuk Kim, Jaeyoung Lee, Gyojin Han, Dongjae Lee, Minki Jeong, Junmo Kim

机构 * KAIST（韩国科学技术院） ； AI Center, Samsung Electronics（三星电子人工智能中心） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.AI

Journal ref International Conference on Computer Vision, ICCV 2025

A Survey of World Models for Autonomous Driving

Tuo Feng, Wenguan Wang, Yi Yang

机构 * Collaborative Innovation Center of Artificial Intelligence (CCAI), Zhejiang University（人工智能协同创新中心（CCAI）、浙江大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV

Comments Ongoing project. Paper list: https://github.com/FengZicai/AwesomeWMAD Benchmark: https://github.com/FengZicai/WMAD-Benchmarks

UniWorld: Autonomous Driving Pre-training via World Models

Chen Min, Dawei Zhao, Liang Xiao, Yiming Nie, Bin Dai

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO、cs.CV

Comments 8 pages, 5 figures. arXiv admin note: substantial text overlap with arXiv:2305.18829

Incorporating Orientations into End-to-end Driving Model for Steering Control

Peng Wan, Zhenbo Song, Jianfeng Lu

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

PillarFlow: End-to-end Birds-eye-view Flow Estimation for Autonomous Driving

Kuan-Hui Lee, Matthew Kliemann, Adrien Gaidon, Jie Li, Chao Fang, Sudeep Pillai, Wolfram Burgard

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

Comments Accepted by IROS 2020

Ego-Dynamics-Augmented World Model for Autonomous Driving with Zero-Shot Cross-Chassis Adaptation

用于零样本跨底盘自适应自动驾驶的自我动力学增强世界模型

Zhidong Wang, Jingsong Liang, Zirui Li, Zhan Chen, Han Yu, Chen Lv

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与宇航工程学院） ； Collaborative Initiative, Interdisciplinary Graduate Programme, Nanyang Technological University（南洋理工大学跨学科研究生项目合作计划） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.RO

AI总结 研究针对自动驾驶中基于世界模型的强化学习问题，提出DynaDreamer方法，通过增强自我动力学先验改进世界模型，减少自我运动建模负担，实现零样本跨底盘自适应，实验证明该方法显著提升驾驶任务成功率。

Comments 13 pages, 13 figures

Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving

Drive-JEPA：视频JEPA结合多模态轨迹蒸馏实现端到端驾驶

Linhan Wang, Zichong Yang, Chen Bai, Guoxiang Zhang, Xiaotong Liu, Xiaoyin Zheng, Xiao-Xiao Long, Chang-Tien Lu, Cheng Lu

机构 * Virginia Tech（弗吉尼亚理工学院） ； Purdue University（普渡大学） ； XPENG Motors（小鹏汽车） ； Nanjing University（南京大学） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title,abstract)；autonomous driving(abstract)；trajectory planning(abstract)；分类 cs.CV

AI总结 提出Drive-JEPA框架，结合视频联合嵌入预测架构（V-JEPA）与多模态轨迹蒸馏，通过自监督视频预训练和动量感知选择机制提升端到端驾驶的规划性能，在NAVSIM上达到新最优。

Distill to Think, Foresee to Act: Cognitive-Physical Reinforcement Learning for Autonomous Driving

蒸馏思考，预见行动：面向自动驾驶的认知-物理强化学习

Yang Wu, Qiang Meng, Zhaojiang Liu, Youquan Liu, Jian Yang, Jin Xie

机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建大学） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract,abstract_cn)；分类 cs.CV

AI总结 提出CoPhy框架，通过蒸馏VLM知识到BEV编码器实现零推理成本的认知能力，并构建自回归BEV世界模型预测未来语义地图以提供可解释的物理沙盒，结合双奖励机制（物理奖励和安全约束、认知奖励和意图对齐）优化驾驶策略，在NAVSIM基准上取得最优结果。

DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving

DLWM：双潜在世界模型实现自动驾驶中的整体高斯中心预训练

Yiyao Zhu, Ying Xue, Haiming Zhang, Guangfeng Jiang, Wending Zhou, Xu Yan, Jiantao Gao, Yingjie Cai, Bingbing Liu, Zhen Li, Shaojie Shen

机构 * HKUST（香港科技大学） ； CUHK-SZ（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Huawei Foundation Model Department（华为基础模型部门） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；BEV(abstract)；occupancy(abstract)；分类 cs.CV

AI总结 本文提出DLWM，通过双潜在世界模型实现自动驾驶中的整体高斯中心预训练，提升3D占用感知、4D占用预测和运动规划性能。

Comments Accepted by CVPR 2026

Towards Efficient and Effective Multi-Camera Encoding for End-to-End Driving

迈向高效且有效的多摄像头编码以实现端到端驾驶

Jiawei Yang, Ziyu Chen, Yurong You, Yan Wang, Yiming Li, Yuxiao Chen, Boyi Li, Boris Ivanovic, Marco Pavone, Yue Wang

机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； Stanford University（斯坦福大学） ； NVIDIA Research（NVIDIA研究） 纠错

专题命中 端到端驾驶 ：end-to-end driving(title)；autonomous driving(abstract)；BEV(abstract)；occupancy(abstract)

AI总结 本文提出Flex，一种高效多摄像头编码方法，通过紧凑的场景令牌提升端到端驾驶性能，无需依赖3D先验。

Comments Project Page: https://jiawei-yang.github.io/Flex/

MUVO: A Multimodal Generative World Model for Autonomous Driving with Geometric Representations

Daniel Bogdoll, Yitian Yang, Tim Joseph, Melih Yazgan, J. Marius Zöllner

机构 * FZI Research Center for Information Technology, Germany（德国弗赖堡信息科技研究中心） ； Karlsruhe Institute of Technology, Germany（德国卡尔斯鲁厄理工学院） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；LiDAR(abstract)；occupancy(abstract)；分类 cs.RO

Comments Daniel Bogdoll and Yitian Yang contributed equally. Accepted for publication at IV 2025

DriveX: Omni Scene Modeling for Learning Generalizable World Knowledge in Autonomous Driving

Chen Shi, Shaoshuai Shi, Kehua Sheng, Bo Zhang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；occupancy(abstract)；end-to-end driving(abstract)；分类 cs.CV

BrainWAM: Action-Space Coordination of Semantic Priors and Predictive Dynamics for Autonomous Driving

BrainWAM：面向自动驾驶的语义先验与预测动力学的动作空间协调框架

Bing Zhan, Shuyao Shang, Jiahao Gu, Shuo Lu, Yuan Xu, Zhao Wang, Yida Wang, Xueyang Zhang, Kun Zhan, Lue Fan, Zhaoxiang Zhang

机构 * Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； Li Auto Inc.（理想汽车） 纠错

专题命中 端到端驾驶 ：autonomous driving(title,abstract)；end-to-end driving(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 该研究针对自动驾驶中语义与预测动力学的规划需求，提出BrainWAM框架，通过结构化动作空间协调及异步整流流推理，在NAVSIM数据集上实现最优性能，优于仅VLA或仅WAM方法。