复旦大学与上海交大团队提出检索增强自动驾驶范式，通过检索当前位置的街景图、卫星图等历史地理信息，为车辆提供类似人类的空间记忆，在静态道路结构感知任务上取得显著提升。
📝 详细摘要
本文报道了复旦大学可信具身智能研究院与上海交大团队在 CVPR 2026 上发表的研究《Spatial Retrieval Augmented Autonomous Driving》。该研究提出一种新的自动驾驶范式，核心思路是让车辆不再仅依赖实时传感器输入，而是通过 GPS 检索当前位置的历史地理图像（街景图、卫星图），将其与车载相机特征融合，为模型提供额外的道路结构参考。研究团队基于 nuScenes 构建了 nuScenes-Geography 数据集，并设计了可靠性估计模块 REG 来处理街景缺失、数据过时等问题。实验结果表明，该方法在在线建图、占用预测和世界模型等静态道路结构相关任务上提升显著，例如 MapTR 的 mAP 从 50.3 提升到 61.2，MapTRv2 的 mAP 从 61.5 提升到 73.4；而在 3D 目标检测等动态目标相关任务上提升有限。研究团队认为，这项工作的意义在于打开了检索增强自动驾驶这一新方向，使自动驾驶系统从单纯实时感知转向实时感知与历史空间记忆结合。
💡 主要观点
- 提出检索增强自动驾驶范式，让车辆利用历史地理信息作为空间记忆。 通过 GPS 检索当前位置的街景图和卫星图，与实时传感器信息融合，使车辆在传感器看不清时仍能理解道路结构，类似人类驾驶的空间记忆能力。
💬 文章金句
- 车辆不应只是根据当前摄像头和传感器看到的内容做即时判断，而应具备一种可检索的空间记忆，能够调取当前位置长期积累的道路结构信息。
- Geo 不是要替代实时感知，而是要成为自动驾驶系统中的一种空间先验，让车辆在看不清当前世界时，仍然能够参考「这条路原本是什么样子」。
- 这项研究真正打开的不是某个单一指标的提升，而是一种新的自动驾驶范式：从「只依赖当前传感器」走向「实时感知 + 历史地理记忆」。
📊 文章信息
AI 初评：86
来源：AI科技评论
作者：AI科技评论
分类：人工智能
语言：中文
阅读时间：19 分钟
字数：4686
标签： 自动驾驶, 检索增强, 空间记忆, 地理信息, CVPR 2026