https://auto-driving-blog.pages.dev/categories/%E4%B8%AA%E4%BA%BA%E6%80%9D%E8%80%83/ Recent content in 个人思考 on Elon's AD Insight https://auto-driving-blog.pages.dev/images/share.png https://auto-driving-blog.pages.dev/images/share.png Hugo zh-cn Sun, 06 Sep 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/vla-vs-perception/ Mon, 27 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/vla-vs-perception/ VLA（Vision-Language-Action）模型自带 ViT 视觉编码器，为什么自动驾驶还需要 3D 检测、BEV 感知、占用网络这些传统感知模块？它们之间到底是替代关系还是互补关系？本文从 14 篇论文精读出发，盘点感知与 VLM 的十种协同模式，详解有 BEV 与无 BEV 感知的实现方法，并解释为什么只有 2D 相机、没有显式 BEV/occ 的模型也能表现不错——关键在于区分’感知任务’与’显式感知表示’。 https://auto-driving-blog.pages.dev/posts/thoughts/autonomous-driving-perception-guide/ Mon, 27 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/autonomous-driving-perception-guide/ 一篇全景式讲解自动驾驶感知模块的技术文章。从传感器硬件讲起，覆盖3D目标检测、BEV感知、占用网络、语义分割、多目标跟踪，以及它们如何输出给下游的预测和规划模块。附完整感知流水线图。 https://auto-driving-blog.pages.dev/posts/thoughts/autonomous-driving-learning-guide/ Mon, 27 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/autonomous-driving-learning-guide/ 一份面向自动驾驶从业者的全景式学习指南。系统梳理六大技术范式（端到端E2E、VLA、世界模型、Scoring规划、JEPA、RL+生成）的核心概念、代表工作、联系脉络和知识依赖。附自测清单和推荐阅读路线，帮助你定位自己的知识短板。 https://auto-driving-blog.pages.dev/posts/paper-reading/jepa-drive%E8%87%AA%E7%9B%91%E7%9D%A3%E9%A9%BE%E9%A9%B6%E5%86%B3%E7%AD%96%E7%B2%BE%E8%AF%BB/ Fri, 24 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/jepa-drive%E8%87%AA%E7%9B%91%E7%9D%A3%E9%A9%BE%E9%A9%B6%E5%86%B3%E7%AD%96%E7%B2%BE%E8%AF%BB/ JEPA-DRIVE 是一个基于 Joint Embedding Predictive Architecture 的自监督驾驶决策系统。它用结构化隐空间世界模型编码驾驶场景，从 65,536 个离散行为词汇中组合生成候选轨迹，再用 cycle energy 重建误差作为自监督评分信号。V17 在 NAVSIM 上达到 0.8839 selected_pdm，V21 正在用纯自监督 cycle energy 突破 PDM 代理标签的 64 值瓶颈（8×A800 分布式训练中）。全模型仅 3.88M 参数。 https://auto-driving-blog.pages.dev/posts/thoughts/rl-diffusion-traj/ Wed, 22 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/rl-diffusion-traj/ RL + 生成式轨迹是 2025-2026 最火热的方向之一。本文从一个小白的视角，梳理 SFT 的天花板、四种 RL 范式（奖励引导、拒绝采样、策略梯度、世界模型），深入分析 log-prob 难题和 reward hacking，用大量对比图和流程图让每个概念一目了然。最后给出了自己的理解和未来方向判断。 https://auto-driving-blog.pages.dev/posts/thoughts/auto-driving-learning-path/ Wed, 05 Aug 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/auto-driving-learning-path/ 参考’少读要比乱读强’的思路，把我论文精读区的文章按’地基→BEV感知→端到端→世界模型→扩散+强化学习→VLA’六层金字塔组织起来。顺着层往上走，每层解决上一层留下的问题，最后落在 VLA/世界模型这些前沿范式上。这是本站论文精读的总入口。 https://auto-driving-blog.pages.dev/posts/thoughts/auto-driving-blog-collection/ Wed, 05 Aug 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/auto-driving-blog-collection/ 把平时刷到的优秀自动驾驶博客/资源链接集中存到这里，避免日后找不到。主打一个’少逛、逛精’——每篇能持续产出高质量内容才放进收藏。持续更新。 https://auto-driving-blog.pages.dev/posts/thoughts/simwam%E4%BB%A3%E7%A0%81%E5%AE%8C%E6%95%B4%E8%A7%A3%E8%AF%BB/ Sun, 06 Sep 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/simwam%E4%BB%A3%E7%A0%81%E5%AE%8C%E6%95%B4%E8%A7%A3%E8%AF%BB/ 从 configs/model/simwam_navsim.yaml 第 1 行开始，逐层追踪 SimWAM 的完整逻辑链：两个专家怎么协作？Isolated Attention Mask 怎么实现训练时借力、推理时独立？联合 Flow Matching 训练的损失怎么算？FlowGRPO 的 SDE 采样、PDM 奖励、LoRA 微调怎么串起来？每段代码都标注了源文件路径。 https://auto-driving-blog.pages.dev/posts/thoughts/flow-grpo-complete-guide/ Thu, 30 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/flow-grpo-complete-guide/ 从 train_flux_fast.py 第 1 行开始，逐层追踪 Flow-GRPO 的完整逻辑链：采样阶段做了什么？reward 怎么变成 advantage？训练阶段的计算图是怎么构造的？loss 为什么那样设计？梯度如何从最后一个 log_prob 传到 LoRA 参数？每段代码都标注了源文件行号。 https://auto-driving-blog.pages.dev/posts/thoughts/autonomous-driving-model-architecture-synthesis/ Mon, 10 Aug 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/autonomous-driving-model-architecture-synthesis/ 把博客全部自动驾驶模型精读收进同一坐标系：显式端到端 / Scoring / 扩散与Flow / VLA / 世界模型 / 数据评测基建六大范式，80+ 模型逐篇给出感知表征、架构组成、训练方式与 PDMS/EPDMS 分数，最后给出我对端到端演进方向的个人思考。 https://auto-driving-blog.pages.dev/posts/thoughts/e2e-navsim-models-cosmos-style/ Fri, 07 Aug 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/e2e-navsim-models-cosmos-style/ 课题组新 benchmark：用 Cosmos 做雨/雪/晴风格迁移构建 NAVSIM 视觉压力测试，批量评测 11 个纯视觉（camera-only）端到端规划模型。本文系统梳理 SparseDriveV2、iPad、DrivoR、ChainFlow-VLA、AutoVLA、ReCogDrive、DriveVLA-W0、Drive-JEPA、DriveSuprim、DriveLaW、LTF 的论文架构（附 arXiv 原文架构图）、开源资源、评测配置与 NAVSIM PDMS/EPDMS 成绩。 https://auto-driving-blog.pages.dev/posts/thoughts/cosmos3-moe-flowgrpo-arch/ Thu, 23 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/cosmos3-moe-flowgrpo-arch/ 本文提出一种将 Cosmos-3 双塔 MoT、DeepSeek-style Sparse MoE、Flow Matching 与 Flow-GRPO 结合的架构设计方案，系统描述各模块的角色、接口与训练推理流程。 https://auto-driving-blog.pages.dev/posts/thoughts/%E9%87%8D%E5%8D%A1vla%E7%A0%94%E7%A9%B6%E7%A9%BA%E7%99%BD%E4%B8%8E%E5%89%8D%E7%9E%BB/ Thu, 23 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/%E9%87%8D%E5%8D%A1vla%E7%A0%94%E7%A9%B6%E7%A9%BA%E7%99%BD%E4%B8%8E%E5%89%8D%E7%9E%BB/ 2024-2026 年自动驾驶 VLA 论文爆发（100+ 篇），但全部聚焦乘用车。重卡场景的 VLA 模型——能理解语言指令、感知场景、输出安全轨迹的端到端系统——迄今零论文。本文系统分析了这个空白的成因，并提出了完整的 Truck-VLA 架构设计方案。 https://auto-driving-blog.pages.dev/posts/thoughts/navsim-pdms-90/ Wed, 22 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/thoughts/navsim-pdms-90/ 深入分析了NAVSIM排行榜上所有高分方法的共同策略、技术路线和实战技巧，从PDMS公式拆解到CLOVER闭式蒸馏，一步步教你如何提升PDMS分数。