当自动驾驶学会“回忆”：从实时感知到空间记忆的范式跃迁

在自动驾驶技术不断演进的今天，一个根本性挑战始终横亘在工程师面前：如何让车辆在“看不清、看不全、看不远”的复杂场景中，依然做出安全、可靠的决策？无论是夜间无灯的路口、暴雨中的反光路面，还是错综复杂的立交桥，传感器受限于物理条件，往往只能捕捉到局部、模糊甚至失真的信息。而人类司机之所以能在这些场景中从容应对，靠的不仅是眼前的画面，更是对道路环境的“空间记忆”——我们记得这条路有几条车道，前方是否有斑马线，哪里是高架入口。

如今，这一人类驾驶的“天赋”正被AI系统逐步掌握。复旦大学可信具身智能研究院与上海交通大学的联合团队在CVPR 2026上发表的论文《Spatial Retrieval Augmented Autonomous Driving》，提出了一种全新的思路：为自动驾驶系统注入可检索的“空间记忆”。

从“看见”到“回忆”：Geo信息如何补足感知短板

传统自动驾驶系统高度依赖车载传感器的实时输入——摄像头、激光雷达、毫米波雷达等。然而，这些设备在极端天气、光照不足或遮挡严重时，极易丢失关键道路结构信息。例如，雨夜中车道线被水膜覆盖，摄像头无法识别；立交桥上视野受限，车辆难以判断前方匝道走向。

该研究的核心创新在于，不再一味追求更强的传感器或更复杂的实时感知模型，而是引入“地理图像”（Geo Images）作为空间先验。系统通过车辆的GPS与位姿信息，实时检索对应位置的街景图、卫星图或历史地图，并将这些离线地理信息与车载相机采集的图像特征进行融合。

这种“检索增强”机制，本质上是为自动驾驶系统构建了一个可查询的“空间记忆库”。当实时感知失效时，系统可以“回忆”起这条路的原始结构：车道如何分布、人行道在何处、道路边界在哪里。这就像给车辆配备了一本高精度的“道路日记”。

Geo的适用边界：静态结构强，动态目标弱

值得注意的是，这项技术并非“万能钥匙”。研究团队通过大量实验发现，Geo信息对不同类型任务的提升效果差异显著。

在在线建图任务中，效果最为突出。MapTR模型的mAP从50.3跃升至61.2，MapTRv2更是从61.5提升至73.4。尤其在低曝光、雨天和遮挡场景下，Geo图像帮助模型恢复了更多道路细节，显著提升了车道线、道路边界的识别精度。

在占用预测任务中，Geo也带来稳定提升。FBOcc模型的整体mIoU从39.11提升至39.74，其中可行驶区域的识别精度从80.07%提升至82.47%。这表明Geo信息能有效辅助系统理解静态空间结构，如道路、人行道和地形。

然而，在3D目标检测任务中，提升微乎其微——BEVFormer的mAP仅从41.60提升至41.64。原因显而易见：Geo图像反映的是历史地理信息，无法捕捉当前道路上行驶的车辆、行走的行人等动态目标。它擅长的是“道路原本的样子”，而非“此刻发生了什么”。

这一发现恰恰揭示了Geo技术的本质定位：它不是替代实时感知，而是作为空间结构的补充先验，在传感器“失明”时提供可靠的参考框架。

从感知到认知：开启自动驾驶的新范式

这项工作的意义，远不止于几个百分点的指标提升。它标志着自动驾驶系统正在从“被动感知”向“主动认知”演进。

传统系统如同一个“近视眼”，只能看到眼前一帧画面；而引入空间记忆后，系统开始具备“上下文理解”能力——它知道自己在哪条路上，这条路的历史结构如何，从而在信息缺失时做出更合理的推断。

在端到端规划中，尽管Geo对轨迹误差影响不大，但在夜间场景中，碰撞率从0.55%显著下降，说明其在提升安全性方面具有潜在价值。这进一步印证了：空间记忆不是锦上添花，而是安全冗余的重要组成部分。

未来，随着高精地图、众包街景和车队经验的不断积累，这种“检索增强”机制有望成为自动驾驶系统的标配模块。它不依赖昂贵的硬件升级，而是通过软件层面的智能融合，让车辆真正“看懂”道路。

当自动驾驶学会“回忆”，它不再只是一个反应机器，而开始像一个有经验的司机——在迷雾中，依然记得前行的方向。

标签： 自动驾驶 空间记忆 地理检索 CVPR 2026 具身智能