# LiDAR引导筛选图像令牌，降低自动驾驶模型算力需求

> 一篇论文提出利用LiDAR和雷达的几何信息，让自动驾驶模型聚焦更少的图像块，并报告称此方法降低了算力消耗、提升了基准测试成绩。

Oossa · 2026-11-02 · https://oossa.com/zh/lidar-guided-token-selection-cuts-driving-model-compute

一篇新发布于arXiv的论文提出了几何感知令牌选择（GATS）方法：在自动驾驶模型处理图像之前，先利用LiDAR和雷达测量数据筛选图像块。作者称，在令牌预算为10%时，GATS的算力消耗为24 GFLOPs，比密集基线模型少18倍，同时在nuScenes和NAVSIM上的成绩更好。在739个意图关键场景中，作者报告的碰撞率为0.09%，而密集模型为0.34%。这些都是论文报告的结果；所提供的摘要并不能证明该方法在真实道路上的表现。

## 事实

- 令牌预算为10%时，论文报告的GATS在nuScenes上的L2误差为0.537 m，密集基线模型为0.573 m。
- 该论文于2026年11月2日发布在arXiv上。

## 为什么重要

对自动驾驶研究人员而言，论文报告的算力降幅表明，或许可以减少处理的摄像头数据，同时保持基准测试表现；但该方法在真实道路上的效果仍不得而知。

## 来源与参考

1. [Let LiDAR Decide Where to Look: Geometry-Measured Token Selection for Efficient Sparse Latent World Models](https://arxiv.org/abs/2610.40935) – arXiv cs.CV, 2026-11-02

最后更新: 2026-11-02