在自動駕駛領域的前沿探索中，理想汽車再次展現了其科研實力。近日，據CVPR 2025官方及媒體消息，理想汽車共有4篇論文被該頂級計算機視覺會議收錄，其中智駕負責人郎咸朋參與署名，彰顯了理想在自動駕駛技術上的深度投入。
CVPR（Computer Vision and Pattern Recognition）作為IEEE主辦的年度盛會，被譽為計算機視覺領域的三大頂級會議之一，近年來頻繁接納自動駕駛領域的創新研究。此次CVPR 2025的審稿工作異常激烈，共收到13008篇論文投稿，最終僅錄用2878篇，錄用率約為22.1%。
理想汽車的這4篇論文不僅展示了其在自動駕駛仿真技術上的突破，還體現了校企合作的緊密關系。北京大學、浙江大學等知名學府，以及中科院自動化所等科研機構均參與了這些研究。
從技術路徑上看，理想汽車的這4篇論文主要在三個方面取得了顯著進展：多模態融合的仿真框架、閉環仿真與動態交互優化，以及結構化條件控制與漸進式訓練策略。這些研究不僅提升了仿真數據的生成質量，還增強了自動駕駛系統在復雜場景下的測試魯棒性。
例如，在StreetCrafter研究中，理想汽車提出了一種結合LiDAR與視頻擴散模型的街景合成技術。該技術通過幾何約束與生成式模型的結合，顯著提升了視角外推與場景編輯能力，為自動駕駛訓練提供了更高質量的數據支持。
另一項研究DrivingSphere則構建了一個高保真的4D自動駕駛仿真環境。該環境通過4D占用網格建模和生成式技術，實現了高視覺保真與動態反饋的統一，為自動駕駛系統的全面測試提供了有力支持。
DriveDreamer4D和ReconDreamer兩項研究則分別通過利用世界模型提升4D駕駛場景重建質量，以及通過在線修復提升動態駕駛場景重建質量。這些研究不僅解決了現有仿真技術在處理復雜動作和動態場景時的缺陷，還為自動駕駛系統的閉環仿真提供了更高效的解決方案。
值得注意的是，理想汽車的這些研究成果不僅具有前沿性，還充分考慮了實際應用價值。例如，實時渲染速度、閉環交互機制以及輕量化數據依賴等特性，都與車企對仿真工具的高效、低成本需求高度契合。
理想汽車創始人、董事長、CEO李想近期在社交媒體上表示，理想AD Max V13在對比特斯拉FSD時表現出色，接管次數明顯少于特斯拉FSD。這一成績的取得，離不開理想汽車在自動駕駛技術上的持續投入和創新。
理想汽車在CVPR 2025上的亮眼表現，再次證明了其在自動駕駛領域的科研實力和創新能力。隨著自動駕駛技術的不斷發展，理想汽車將繼續深化與行業伙伴的合作，共同推動自動駕駛技術的進步和應用。
