近日，CVPR 2026（國際計算機視覺與模式識別會議）召開，理想汽車共有12篇論文入選。CVPR是計算機視覺與模式識別領(lǐng)域的頂級學術(shù)會議，與ICCV（國際計算機視覺大會）、ECCV（歐洲計算機視覺國際會議）并稱為計算機視覺領(lǐng)域三大頂級會議，具有極高的學術(shù)影響力。理想汽車此次入選12篇論文，涵蓋多模態(tài)感知、端到端規(guī)劃、世界模型、強化學習、認知模型及語言智能等多個核心領(lǐng)域，系統(tǒng)性展現(xiàn)了理想汽車持續(xù)深耕具身智能技術(shù)領(lǐng)域的研究實力。

從感知到?jīng)Q策，帶來全新技術(shù)范式

感知能力是具身智能的認知起點。在多模態(tài)感知領(lǐng)域，理想汽車SparseWorld-TC論文被收錄為Oral（大會口頭報告），SparseWorld-TC全新架構(gòu)突破了傳統(tǒng)方法依賴鳥瞰圖投影和離散化token表示的雙重瓶頸，直接從原始圖像特征端到端預(yù)測多幀未來三維場景占據(jù)情況。該方法采用稀疏占據(jù)表示，使Transformer能夠更高效地建模時空依賴關(guān)系，在nuScenes基準上的1至3秒占據(jù)預(yù)測任務(wù)中達到當前最優(yōu)性能，并在任意未來軌跡條件下保持較高精度，為智能輔助駕駛提供更精準的環(huán)境預(yù)判能力。

SparseWorld-TC

在端到端規(guī)劃領(lǐng)域，理想汽車提出SGDrive框架，將駕駛理解分解為“場景-交通參與體-目標”的層級結(jié)構(gòu)，這一設(shè)計與人類駕駛認知方式高度對應(yīng)：駕駛員首先感知整體環(huán)境，繼而識別關(guān)鍵交通參與體及其行為，最后形成短期目標并執(zhí)行動作。SGDrive通過結(jié)構(gòu)化的時空表示彌補了通用視覺語言模型在駕駛場景中的認知空缺，在NAVSIM基準上的純視覺方案中取得當前最優(yōu)性能，驗證了層級化知識結(jié)構(gòu)對于提升智能輔助駕駛規(guī)劃能力的有效性。

SGDrive

在強化學習領(lǐng)域，理想汽車提出PlannerRFT框架，解決了基于擴散模型的規(guī)劃器在強化微調(diào)過程中難以生成多模態(tài)、場景自適應(yīng)軌跡的核心難題。PlannerRFT采用雙分支優(yōu)化策略，在不改變原始推理流程的前提下，同時優(yōu)化軌跡分布并自適應(yīng)引導去噪過程。為支持大規(guī)模并行學習，理想汽車同步開發(fā)了nuMax仿真器，其軌跡推演速度較原生nuPlan提升10倍，為強化學習在智能輔助駕駛中的高效應(yīng)用提供了基礎(chǔ)設(shè)施支撐。

PlannerRFT

世界模型四項突破，夯實智能輔助駕駛仿真與安全基座

世界模型是此次理想汽車論文入選最為集中的領(lǐng)域，共有4篇論文入選，覆蓋深度估計、三維重建、認知評估與安全預(yù)判四大方向。InfiniDepth論文針對傳統(tǒng)深度估計中離散網(wǎng)格表示分辨率受限、難以恢復精細幾何細節(jié)的行業(yè)痛點，創(chuàng)新性地將深度建模為神經(jīng)隱式場，支持任意分辨率的連續(xù)稠密深度查詢，在精細細節(jié)區(qū)域和度量深度估計上均表現(xiàn)優(yōu)異，為新視角合成提供了更為精確的幾何先驗，有效提升大基線場景下的渲染質(zhì)量。

InfiniDepth

Unposed-to-3D論文聚焦于智能輔助駕駛仿真對高質(zhì)量三維車輛資產(chǎn)的迫切需求。針對現(xiàn)有方法依賴合成數(shù)據(jù)訓練且需要精確相機位姿標注、與真實場景存在域差距的問題，該研究提出兩階段框架，通過相機預(yù)測頭結(jié)合可微渲染實現(xiàn)無位姿圖像的自監(jiān)督學習，最終從真實駕駛圖像中直接重建出尺度準確、外觀和諧的仿真就緒三維車輛，顯著降低了仿真資產(chǎn)的生產(chǎn)門檻。

Unposed-to-3D

DriveCombo論文揭示了當前多模態(tài)大語言模型在復雜交通規(guī)則理解上的真實能力邊界。現(xiàn)有基準僅覆蓋單一規(guī)則場景，無法反映真實駕駛中多規(guī)則并發(fā)與沖突的推理難度。該研究構(gòu)建了文本與視覺雙模態(tài)基準，提出五級認知階梯，覆蓋從單規(guī)則理解到?jīng)_突消解的全認知鏈路，對14個主流模型的評估揭示了任務(wù)復雜度與性能下降之間的系統(tǒng)性規(guī)律，并驗證了該基準對提升下游規(guī)劃能力的實際價值。

DriveCombo

AD-R1入選CVPR Findings，該論文致力于解決將強化學習應(yīng)用于端到端智能輔助駕駛時的核心障礙——世界模型因僅在安全專家數(shù)據(jù)上訓練而存在系統(tǒng)性樂觀偏差，面對危險軌跡時傾向于預(yù)測虛假的安全結(jié)果。該研究提出反事實合成流水線，將世界模型訓練為公正的因果預(yù)測器，并將其整合進閉環(huán)強化學習框架作為危險感知評論器，有效降低了仿真場景中的安全違規(guī)率，為智能輔助駕駛的安全可靠性提供了新的技術(shù)路徑。

AD-R1

認知對齊與語言、視覺智能，讓推理更準更快

在認知模型領(lǐng)域，當前基于視覺語言模型的方法逐幀處理獨立圖像的方案，缺乏對歷史狀態(tài)的顯式建模，導致決策抖動頻繁。CogDriver論文研究提出認知慣性機制，通過構(gòu)建大規(guī)模敘事式視覺—語言—動作數(shù)據(jù)集提供時序監(jiān)督信號，并設(shè)計帶有稀疏時序記憶模塊的智能體架構(gòu)，結(jié)合時空知識蒸餾顯式訓練決策一致性，在Bench2Drive和nuScenes基準上分別實現(xiàn)22%的駕駛得分提升和21%的軌跡誤差降低，進一步解決了智能輔助駕駛規(guī)劃中的時序一致性難題。

CogDriver

LinkVLA論文則聚焦于視覺語言動作模型中語言指令與動作輸出不匹配、自回歸動作生成效率低下兩大痛點。該研究通過結(jié)構(gòu)連接將語言和動作特征統(tǒng)一編入共享離散碼本，從底層強制實現(xiàn)跨模態(tài)一致性；同時引入“動作理解”輔助任務(wù)促進語言與動作的雙向映射，并采用粗到細的兩步法替代傳統(tǒng)逐步解碼。閉環(huán)自動駕駛基準測試表明，LinkVLA在顯著提升指令遵循準確性和駕駛性能的同時，節(jié)省了86%的推理延遲。

LinkVLA

在語言智能領(lǐng)域，F(xiàn)astMMoE入選CVPR Findings，該論文提出一套面向基于MoE（混合專家）架構(gòu)的多模態(tài)大模型、無需重新訓練的加速優(yōu)化框架，為多模態(tài)大模型的高效部署提供了新的技術(shù)路徑。針對多模態(tài)大模型計算開銷大、部署效率受限的行業(yè)痛點，F(xiàn)astMMoE從路由行為分析切入，融合視覺Token專家激活精簡與路由感知式Token剪枝兩套互補方案，在不犧牲核心能力的前提下大幅削減冗余計算。基于DeepSeek-VL2、InternVL3.5等主流模型的驗證實驗表明，F(xiàn)astMMoE最高可削減55%的浮點運算量，同時保留95.5%的原始性能，整體效果持續(xù)優(yōu)于現(xiàn)有剪枝基線方法。

FastMMoE

CoV-Align論文提出一種高效細粒度對齊框架，解決了多模態(tài)模型中圖像區(qū)域與語言描述精準匹配時計算效率低、特征噪聲大的雙重難題。該研究創(chuàng)新性地提出“內(nèi)聚視覺語義優(yōu)先”策略，在不依賴文本引導的前提下，預(yù)先通過視覺信息自主聚合語義一致的圖像區(qū)域，從而實現(xiàn)高效精準的區(qū)域—單詞對齊。在Flickr30K和MS-COCO經(jīng)典圖文評測基準上，CoV-Align取得當前最優(yōu)性能，推理速度較前沿基線方法提升3至5倍，在大規(guī)模多模態(tài)任務(wù)中展現(xiàn)出突出的實用優(yōu)勢。

CoV-Align

在視覺智能領(lǐng)域，Switch-KD入選CVPR Findings，用一套跨模態(tài)知識新蒸餾范式以小博大，讓0.5B的小模型擁有了逼近1.5B模型的多模態(tài)理解力。該方法突破了傳統(tǒng)蒸餾“模態(tài)分離監(jiān)督”的瓶頸，徹底重構(gòu)了跨模態(tài)知識蒸餾的底層邏輯——從“各管一段”的模態(tài)分離監(jiān)督，轉(zhuǎn)向統(tǒng)一概率空間蒸餾，為車端邊緣計算、智能座艙等輕量化部署場景提供了關(guān)鍵技術(shù)支撐。

Switch-KD

理想汽車始終將基礎(chǔ)研究視為支撐長期發(fā)展的核心動力。截至2026年一季度末，理想汽車已連續(xù)5個季度保持30億元左右的高強度研發(fā)投入，并連續(xù)6年持續(xù)加碼研發(fā)投入。2025年全年研發(fā)費用達到113億元，為歷史新高。近5年，理想汽車圍繞多模態(tài)感知、端到端、認知模型、世界模型、強化學習和基座模型等核心技術(shù)方向，在CVPR、ICCV、ECCV、NeurIPS、SIGGRAPH、IROS、ICRA等頂級學術(shù)會議和期刊上發(fā)表近百篇論文，持續(xù)印證理想汽車技術(shù)研究的前沿性和影響力。

在基礎(chǔ)研究過程中，理想汽車積極與國內(nèi)外高校展開合作，踐行“產(chǎn)學研結(jié)合”的創(chuàng)新模式，將自身在實際應(yīng)用中積累的數(shù)據(jù)和工程經(jīng)驗反饋學術(shù)研究，推動產(chǎn)學研互利共贏。理想汽車的每一項研究成果和技術(shù)突破都指向同一個目標：以更強的技術(shù)積累兌現(xiàn)“給車和家賦予生命”的品牌使命，讓每個家庭都能享受到智能科技帶來的便利。未來，理想汽車將持續(xù)加大基礎(chǔ)研究與應(yīng)用創(chuàng)新的投入，以扎實的技術(shù)積累和開放的生態(tài)理念，邁向全球領(lǐng)先的具身智能企業(yè)。