国内科研团队推出的这款面向智能网联、自动驾驶车辆的高效协同感知框架,核心解决传统协同感知方案传输数据量大、带宽占用高、通信延迟大的痛点,老方案大多直接传输整张特征图、原始点云,车多的时候网络很容易拥堵,这套框架会优先筛选安全相关的关键目标信息,只传输精简的语义目标数据,搭配风险感知策略挑选合适的协同车辆,在保障障碍物检测精度的前提下大幅降低通信压力,适合城市路口、车流密集这类复杂场景,已经在 V2V4Real、V2XSet 等公开数据集上完成验证,后续可以给车路协同、自动驾驶方案提供底层感知技术支撑。

一、框架核心原理

  1. 风险感知协同策略:不会让所有车辆无差别互相传数据,系统自动判断各个车辆、障碍物对当前行车安全的影响程度,只和高价值的车辆节点做感知交互,减少无效通信。
  2. 轻量化语义信息传输:不再发送完整的特征图,改用精简的目标级语义框信息,保留 3D 检测需要的位置、类别、尺寸关键信息,数据体积相比传统方案压缩很多。
  3. 时序特征融合模块:加入时间编码机制,用来处理不同车辆传感器数据不同步、通信延迟带来的误差,提升融合之后感知结果稳定性。
  4. 适配多车高密度场景:支持多台网联车同时接入协同,应对高渗透率的智能网联车流环境。

二、核心信息汇总表

项目说明
研发主体国内高校研究团队(清华大学、浙江大学自动化相关团队)
框架名称Which2comm
适用场景智能网联自动驾驶车辆 V2V、车路协同感知
核心优势降低带宽开销、适配通信延迟、高密度多车场景稳定感知
验证数据集V2XSet、V2V4Real、自建 Multi-V2X 数据集
输出形式3D 障碍物检测结果

三、对比传统协同感知方案差异清单

  • 传统方案:全量特征图传输,带宽消耗大,车辆一多就容易卡顿,不区分目标危险等级,所有信息同等发送。
  • 这款高效协同感知框架:选择性传输关键目标语义信息,按安全风险挑选协同对象,通信量更低,对网络要求更低,更适合落地量产。

四、落地应用方向

  1. 城市路口车路协同:解决大车遮挡、行人鬼探头这类单车传感器看不到的盲区问题。
  2. 高速编队行驶:多车互相共享前方障碍物感知信息,提前预警。
  3. 园区、港口封闭区域自动驾驶:高密度无人车集群协同感知。

【相关 FAQ】

问题 1:这套智能网联自动驾驶高效协同感知框架,能不能直接装到量产自动驾驶车上?

回答 1:目前这套智能网联自动驾驶高效协同感知框架还属于科研成果,在数据集上完成验证,还需要做工程化适配、车规级测试,暂时不能直接装车量产。

问题 2:智能网联自动驾驶高效协同感知框架,主要解决自动驾驶的什么短板?

回答 2:这套智能网联自动驾驶高效协同感知框架主要解决单车传感器有盲区、遮挡,同时传统协同感知数据传输量大、网络拥堵的问题,靠多车信息互补提升障碍物识别能力。

问题 3:智能网联自动驾驶高效协同感知框架传输的是原始点云图像吗?

回答 3:不是,这套智能网联自动驾驶高效协同感知框架不传输原始点云和图像,传输精简的目标级语义信息,以此减少带宽占用,实现高效协同。

问题 4:智能网联自动驾驶高效协同感知框架,阴天、雨天这类恶劣环境还能用吗?

回答 4:这套智能网联自动驾驶高效协同感知框架做了时序融合、异步数据适配,在光照、天气变化的复杂场景下稳定性优于传统全量传输方案,但极端浓雾场景仍有感知上限。

【参考资料】

[2026-11-11](国内团队研发自动驾驶高效协同感知框架 优化车车通信带宽)网通社

[2026-11-06](Safety-aware connected and automated vehicle information sharing for efficient collaborative perception)EurekAlert!

[2026-11-06](Which2comm:面向网联自动驾驶的风险感知协同感知框架)智源社区

[2026-04-10](基于点特征精细对齐的网联自动驾驶车辆协同感知)SciOpen

【免责声明】

本文内容基于公开科研快讯与论文信息整理,该智能网联自动驾驶高效协同感知框架为学术研究成果,相关性能、落地周期、商业化时间表均未由车企或机构官宣;最终能否装车、适配车型、实际路测效果以后续官方工程落地信息为准。