国际计算机视觉与模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition，以下简称“CVPR”），作为计算机视觉乃至AI领域的顶级学术会议之一，每年都被自动驾驶业界、学界当作观察全球技术发展方向的窗口。特斯拉等自动驾驶代表性企业甚至会将每年的CVPR当作自身研发方向的“布道会”，比如，其在2021年披露FSD技术思路和最新进展，2022年推出occupancy networks，2023年提出生成式世界模型……每次相关发布都会引发业界关于自动驾驶技术理念的热议。
而刚刚结束的2024年CVPR，以接近2万篇论文的投稿数量，创下十年来的投稿量新高。10篇获奖论文从模拟自然物体振荡等不同角度，给当下自动驾驶提供了从感知识别到仿真测试等多方面技术研究的新思路。
除此之外，与单纯通过论文进行技术布道和传播有所不同，一些企业和研究机构开始以举办挑战赛等方式，主动引导和设置研究议题，以便能更高效地汇聚科研力量进行学术攻坚。
今年， CVPR自动驾驶国际挑战赛围绕前沿问题，共设置大语言模型在自动驾驶中的应用、端到端自动驾驶、无图驾驶等7个赛道，吸引了全球28个国家和地区的近500支队伍参赛。赛事举办者和参与者呈现出业界和学界杂糅的特点，既包括上海人工智能实验室、清华大学、图宾根大学等学术研究机构，也包括美团、Wayve、英伟达等科技企业。
自动驾驶领域的“潜力股”
与特斯拉、华为、Waymo、百度Apollo、小马智行等CVPR智能驾驶舞台中央的“流量担当”有所不同，美团等专注于自动配送车领域，更显低调，也是首次赞助CVPR赛事。
自动配送车主要为市民、企业提供三到五公里范围内的即时配送服务。如何用技术手段提升货物配送效率、降低配送成本，是自动配送车技术研究的重要衡量指标之一。
这导致的一个外在结果就是，自动配送车企业所获得的关注度要比其他类型自动驾驶企业少得多，且无法匹配其市场规模和发展潜力。
然而，事实上，自动配送车面对的是一个每年近千亿单的市场。
弗若斯特沙利文发布《2023年中国即时配送行业趋势白皮书》显示，2023年中国即配行业订单规模达到约408.8亿单，同比增长22.8%，预计到2028年，市场规模将达到813.1亿单，未来5年保持年均14.7%的两位数增长；同时，根据国家邮政局数据，2023年，邮政行业寄递业务量同比增长16.8%，同样处于高速增长区间。
与此同时，自动配送车面对的非结构化路况环境，也为自动驾驶技术研发提供了难得的场景数据。从场景复杂程度角度来看，这是个更令技术人员兴奋的领域。
一位刚刚进入自动配送车行业的算法工程师说，过去一两个月中遇到的稀有场景，比以前两年还要多。农忙季节，玉米棒子铺满路面；时不时出现的逆行自行车、电动车，甚至轮椅；在非机动车道和人行道嬉笑打闹的小孩子；醉酒躺在地上的路人……“每天的算法研发都有开盲盒的感觉，而自动配送车经常贡献出隐藏款。”上述工程师说，如何高效利用稀有场景进行技术研发和场景落地提速，是自动配送车面临的最大问题之一。
此外，在现有交通规则下，自动配送车的左转也要比其他机动车复杂得多，需要像行人一样等待不同方向的两次绿灯，进行“二次过道”。绿灯亮起时，道路两侧行人一股脑像下饺子一样过马路，此时自动配送车既要保证自己的通行效率，还要不妨碍其他行人、非机动车等的通行。
大模型+端到端，提供升维解法
虽然，自动配送车能经常很幸运地开出技术场景中的“隐藏款盲盒”，但从总量而言，此类场景仍然具有发生概率低、种类多且不可提前预测的特点。
“发生概率低使得我们很难通过数据驱动的方式积累数据解决问题，种类多又使我们很难通过增加人力来穷尽问题。传统自动驾驶按模块划分的方式已经不足以突破现有瓶颈。”美团自动车配送部算法工程师云峰（化名）表示，为了应对这一挑战，美团开始研究探索使用大模型和端到端相结合的解题思路。
云峰说，一个业界探索路径为，第一步，通过大模型技术来生成稀缺的场景数据，再结合自动配送车数年来的稀有数据积累模拟各种问题场景，仿真各种传感器数据，以增强训练数据集的多样性和覆盖面，提高模型训练的效率和效果；下一步，通过分段可导的路径实现端到端自动驾驶。最后，通过大量的数据，让自动驾驶模型学习大模型中沉淀的“知识”，达成更智能的自动驾驶。
目前，美团自动配送车已经将多模态大模型应用到临时施工路况等复杂场景的辨别中，让车辆更智能绕行，显著提升类似复杂场景的通行效率。
然而，自动驾驶领域的技术进展并非一帆风顺。在技术的迭代过程中，常常会遇到所谓的“跷跷板效应”，即提升了一个方面的技术表现，另一个方面的技术表现恶化。
比如，准确率的提升可能带来召回率的下降，通用场景的效果提升可能带来特定场景的效果下降，安全能力的提升可能会影响通行效率。为此，持续的技术研发和实践测试是不可或缺的。
因而，通过车辆不断进行实际道路测试和反馈真实数据，才能不断优化模型、完善算法，并解决自动驾驶应用过程中出现的新问题。
产学研一体化，按下落地加速键
CVPR作为学术会议，广受自动驾驶企业关注的原因在于，作为一个“强应用导向”和“强技术驱动”的行业，自动驾驶很难依靠单一企业和单一研究机构快速实现技术的规模化推广和场景落地，更需要多领域多学科，甚至跨行业的合作攻坚。
自动驾驶车辆运行时，需要与物理世界深度交互，伴随相关企业落地规模和服务范围的扩大，自动驾驶技术的迭代也随之进入深水区，更需要各方面力量的深度融合。
一方面，相关企业掌握实践中的真实场景数据和运营经验，另一方面，数学、计算机、交通工程、材料学等不同学术领域的研究机构，如何将各自前沿成果快速在产业实践中落地，也需要一个真实的验证环境。
因而，美团等企业通过联合举办挑战赛等交流活动，将实践中遇到的“真问题”融入赛道选题，吸引国内外科研力量以社会需求为导向，不仅可以加速行业规模化落地速度，而且可通过顶尖技术团队的深度较量，为自动驾驶未来发展提供前瞻性指导。
仅以CVPR为例，产业界与学术界合作攻克技术难题的例子比比皆是。2023年，上海人工智能实验室与商汤等合作，提出业界首个感知决策一体化的自动驾驶大模型UniAD，并最终获得了当年CVPR最佳论文奖。
今年，在10篇CVPR获奖论文中，不止一篇论文是以学术科研机构与企业联合的方式投递。
自动配送车深度融入城市交通运行网络，与市民日常生活交互度极高。目前，除了与学术研究机构联合举办短期竞赛外，美团自动配送车还通过与清华大学成立“清华大学——美团数字生活联合研究院”等方式，在课程教学、学生实践、课题交流等方面进行合作，为自动驾驶前沿领域的人才培养提供真实的实践环境。
结语
随着经济的发展和城镇居民消费水平的提高，消费者对产品的需求已从少品种、大批量、低频次，转变为多品种、小批量、高频次，即时零售得以迅速发展。这也带来了配送需求的变化，即很多订单出现在距离市民仅几公里的便利店、生鲜超市等场所。
如果以货物流转速度作为参考指标， 3至5公里配送环节则是整个社会物流链条中复杂性最高的环节。有数据显示，配送环节在成本和时间上的投入占配送全过程的30%以上。此类配送目前主要由骑手借助电动车、双腿来一件件单独送达。
在这种背景之下，自动配送车等新兴技术开始逐步扩大落地规模，并通过与骑手协同的方式，减轻骑手路途的奔波之苦。
根据不完全统计，截至2023年8月，国内共有 54 个地区出台智能网联汽车道路测试管理细则，提出建设17个国家级智能网联汽车测试示范区，累计开放 15000 多公里的测试道路，发放超过 2800 张测试牌照，道路测试总里程已达 7000 多万公里。
北京顺义等，更是通过交通强国试点等方式，允许美团等试点企业在部分路段的机动车道开展不高于45km/h的自动配送车试点，探索建设全国“自动驾驶车辆商业运营阶段管理体系”的“政策试验田”。
在政策鼓励、产业需求和技术迭代的共同推动下，自动配送车正释放潜力，走向舞台中央。