这页是本站论文精读区的总目录。很多文章单独看都懂，但串不起来。参考学习路径的思路，我按"金字塔"把它们分层：每一层解决上一层留下的问题，顺着层往上读，最后正好落在 VLA / 世界模型这些前沿范式上。
🏔️ 先给你全局视图：六层金字塔
第六层【前沿范式】 VLA / 世界模型 / 强化微调 ← 当前最热，本站的重心
第五层【生成式规划】 扩散规划 + 强化学习(GRPO) ← AlphaDrive/DiffusionDrive/Flow-GRPO
第四层【世界模型】 DreamerV3/Cosmos/GEN-1... ← 预测未来·做数据工厂
第三层【端到端规划】 UniAD / VAD / SparseDrive ← 2023-2024 主战场
第二层【BEV 感知】 BEVFormer / Sparse4D ← 行业基石
第一层【地基】 Transformer / ViT ← 一切的源头
阅读总原则：按层往上走。跳层读会痛苦（没读 BEVFormer 直接看 VLA，感知那部分会糊涂）。每层里我标了"必读"和"进阶"，按顺序点进去即可。
📍 第 0 站：先看全景再进层
进任何层之前，先读这三份，建立坐标系：
- 自动驾驶技术全景学习指南｜六范式知识体系 ⭐ 本站总地图
- 自动驾驶感知学习指南 ⭐ BEV/感知分地图
- 自动驾驶优质博客收藏夹 —— 外部高质量资源
读完这几份，再进金字塔，就知道每篇论文"躺在哪一层、为谁服务"。
第一层：地基（Transformer / ViT）
不读这两块，后面全是天书——所有端到端/VLA/世界模型都建立在 Transformer 上。
- ⭐ 必读：Attention Is All You Need (Transformer)——注意力机制的开山作（理解"自注意力怎么并行 + 全局感受野"）
- ⭐ 必读：ViT: An Image is Worth 16x16 Words——图像切 patch 当 token，视觉 token 一切的源头
- 📌 我这里的底层参考：Transformer → ViT 的 patch 思想 -> 一切视觉模型输入来源
本站精读偏工程/前沿，地基理论靠经典论文原文补。可先用我写的 VLA vs 感知：两种路线怎么选 建立感性认识，再回去补理论。
第二层：BEV 感知（行业基石）
解决"多路相机图像怎么变成统一的鸟瞰表示"。你读 VLA/V 世界模型前，感知这层必须有。
- ⭐ BEVFormer 感知精读 —— BEV query 反向查询，Spatial Cross-Attention
- Sparse4D 稀疏感知精读 —— 稀疏 query 而非稠密网格
- SparseDrive-V2 精读 —— 稀疏统一感知+预测
- SparseOccVLA 精读 —— 稀疏占据 / VLA 结合的感知
第三层：端到端规划（2023-2024 主战场）
解决"感知→预测→规划各模块误差累积 / 目标不一致"。代表作是模块化端到端的巅峰。
- ⭐ UniAD 端到端自动驾驶框架精读 —— planning-oriented，CVPR 最佳论文
- ⭐ VAD 向量化端到端精读 —— 场景矢量化，逼近实时
- TransFuser 论文精读 —— 多传感器融合端到端（CARLA 经典）
- DriveTransformer 精读 —— 大网络化端到端
- EMMA-Wayve 端到端多模态精读 —— 多模态大模型直接出规划
- Senna-VLM 辅助驾驶精读 —— VLM 辅助端到端
- 进阶：JEPA-DRIVE 自监督驾驶决策精读 / RAW2Drive 精读 / NoRD 精读
第四层：世界模型（预测未来 + 做数据工厂）
解决"真车训练太危险、长尾场景太少"。用生成式模型预测/合成未来场景，既是世界模型又是闭环训练环境。
- ⭐ Cosmos3 世界基础模型精读 —— NVIDA 开源世界基础模型
- DreamerV3 世界模型精读 —— RL 决策 + 世界模型，通用智能体经典
- DriveDreamer 世界模型精读 —— 可控驾驶场景生成（数据工厂）
- DLWM 精读 / UniSim 交互式世界模拟器精读
- 我的工程向：Cosmos3-MoE + Flow-GRPO 架构
第五层：生成式规划 + 强化学习（本站重心）
解决"模仿学习有天花板，模型最多和人类一样好"。用**扩散/Flow 生成轨迹 + 强化学习（GRPO）**突破上限。这是你读 Flow-GRPO 的落地点。
扩散 / Flow 生成式规划
- ⭐ DiffusionDrive 精读 —— 截断扩散 + anchor 先验，实时多模态规划
- Diffusion-Planner 精读 —— 规划当轨迹生成
- Diffusion-Policy 精读 —— 动作扩散，机器人/驾驶通用
- GoalFlow 精读 —— Flow Matching + 目标点引导
- TransDiffuser 论文精读
强化学习微调（GRPO 进入驾驶）
- ⭐ AlphaDrive-GRPO 驾驶策略精读 —— GRPO 首次引入驾驶规划，多模态规划
- Gen-Drive 扩散强化驾驶精读 —— 扩散 + reward / RL 微调
- AutoVLA 精读 —— VLA + GRPO 快慢双模
- ReCogDrive 精读 —— 扩散规划器 + GRPO（DiffGRPO）
- AlpaMayo-R1 精读
我的深入讲解（综合）
- ⭐ Flow-GRPO 完全讲解 —— 训练/推理/梯度流逐行拆解
- RL 与扩散轨迹规划：怎么结合
- NavSim PDMS-90：闭环指标
第六层：VLA 与具身智能（前沿范式）
解决"端到端网络遇到长尾场景泛化差"。用视觉-语言-动作统一模型，既能开自动驾驶车又能操作机器人。
VLA 模型
- ⭐ OpenVLA 开源 VLA 模型精读 —— 开源落地标准起点
- AutoVLA 精读 / Qwen-VLA 精读
- pi0 通用 VLA 模型精读
- One-VL 精读 / Last-VLA 精读 / LinkVLA 精读 / DriveVLM 系列精读
- 综述：VLA Survey 精读 ⭐ / VLA 安全综述精读
具身 / 机器人基础
- RT-1 Robotics Transformer 精读 / RT-2 精读
- PaLM-E 具身多模态语言模型精读
- EmbodiedGPT 具身思维链精读
- SayCan 语言 grounding 精读 / VIMA 多模态 prompt 精读
- Gato 通用智能体精读
数据 / 工程
🚚 商用车 / 重卡专题（按需）
工程与安全重卡方向的一批精读，按你当前项目取用：
- AntiRollover 重型车防侧翻
- CargoLoad-RSS 载荷估计
- MANTruckScenes 卡车场景
- TruckDrive / TruckV2X 重卡驾驶与协同 · TruckV2X
- PARA-Drive
🧭 建议阅读顺序（一个月路线）
| 阶段 | 读什么 | 目标 |
|---|---|---|
| 第 1 周 | 第 0 站全景 + 第二层 BEV | 建立感知坐标系 |
| 第 2 周 | 第三层 端到端（UniAD/VAD） | 懂为什么行业要端到端 |
| 第 3 周 | 第四层 世界模型 | 懂 VLA/世界模型怎么来 |
| 第 4 周 | 第五层 扩散+GRPO → Flow-GRPO 完全讲解 | 抵达你的核心方向 |
更多精读文章在 📁 论文精读分类 里按时间排（上百篇）。这页是"该先读哪些"的精选骨架，那页是"全部藏货"。