课程首页 › M0 理论地基
论文阅读路线图
13 篇论文拆解，一条完整的因果链。每一篇都在解决上一篇留下的问题—— 读懂这条链，你就有了判断任何新工作的坐标系。第 ⑪–⑬ 篇是 v29 新增：占据网络、驾驶强化学习、2026 前沿论文地图。
▸ 怎么用这个模块
这 10 篇不需要一口气读完。推荐做法是：先快速过一遍前 4 篇建立地基， 然后开始动手写代码，遇到具体问题时再回来精读对应篇目。
后面每节实战课的末尾，都会指回这里的具体论文——形成 「写代码 → 遇到疑问 → 回查论文 → 理解更深 → 继续写」的循环。
四层结构
10 篇论文分成四层，每层解决不同层面的问题：
10 篇清单
点击任意一篇进入深度拆解。每篇都包含 SVG 图解、交互演示、自测题和关联说明。
第一层 · 地基（必读）
① Attention Is All You Need · Transformer Q/K/V 查询-匹配-聚合范式。含手算注意力 + 可点击的注意力分布演示。 → ② An Image is Worth 16×16 Words · ViT 图像怎么变 token + 归纳偏置的取舍。含可点击切图的 patch 演示。 →第二层 · BEV 感知（核心）
③ Lift, Splat, Shoot · LSS BEV 的几何路线，显式深度分布。含点击像素看深度分布的演示。 → ④ BEVFormer BEV 的注意力路线 + 时序融合。含点击 BEV 格子看投影到哪些相机的演示。M2 模块的核心依据。 →第三层 · 端到端（核心）
⑤ UniAD · Planning-oriented Autonomous Driving CVPR 2023 最佳论文。含 Query 流向追踪器。 → ⑥ VAD · 矢量化场景表示 提速 9.3 倍 + 三大矢量约束。含轨迹约束检查演示。M3 模块的核心依据。 →第四层 · 前沿范式
⑦ DriveVLM · 快慢双系统 大模型上车、思维链推理。含三个长尾场景的推理展开演示。 → ⑧ VLA4AD 综述 · 全局地图 四波演进 + action gap 概念。含四波演进探索器。迷路时先看这篇。 → ⑨ GAIA-1 + DriveDreamer · 世界模型 数据从哪来 + 数据引擎经济学。M4 模块的核心依据。 → ⑩ OpenVLA · 对照你的 MiniVLA 工业级 VLA 标准答案 + 8 项体检表 + 追新方法论。M3 写 MiniVLA 时对照看。 →第五层 · 量产核心与 2026 前沿（v29 新增）
⑪ 占据网络 · Occ3D + FlashOcc + GaussianFormer 三态与可见性、真值流水线、体素/BEV/高斯三派表示。含射线可见性演示 + 显存计算器。M2.4 的理论来源。 → ⑫ 驾驶强化学习 · Roach → CaRL → RAD → DriveZero 五年四代：特权教师、极简奖励、3DGS 真实感闭环、超过人类示范。含"奖励函数会选出谁"演示。M4 的理论来源。 → ⑬ 2026 前沿论文地图 9 篇 2026 新作按四条主线归类，对齐当年量产发布；基准解码器 + 五分钟判断法。面试"最近读了什么"之前看这篇。 →实战课与论文的对应关系
写代码时遇到疑问，可以按这张表快速定位该回查哪一篇：
| 实战模块 | 主要依据 | 典型疑问 |
|---|---|---|
| M2 · BEVFormer 训练 | ①②④ | query 是什么、256 维在编码什么、时序怎么融合 |
| M2 · BEV 可视化 | ③④ | 投影怎么算、两派方向差异 |
| M3 · VAD 规划 | ⑤⑥ | 三个矢量约束、导航指令怎么输入 |
| M3 · MiniVLA | ⑦⑧⑩ | action head 是什么、离散 vs 连续动作 |
| M4 · 闭环评测 | ⑤⑥ | 开环与闭环评测的差别 |
| M4 · 世界模型 | ⑨ | 生成数据怎么用、可控性怎么实现 |
| M2 · 占据网络 | ⑪ | 为什么要三态、高度为什么折叠进通道 |
| M4 · 强化学习与后训练 | ⑫ | 奖励怎么写、环境多真实才够、RL 与模仿怎么交替 |
| M6 · 部署工程化 | ⑥⑧⑪⑬ | 为什么要提速、哪些表示能上车、VLA 的实时性 |
| M7 · 面试准备 | ⑬ | 最近的论文怎么讲、基准分数怎么读 |
本模块小结
- 10 篇论文构成完整因果链，主线是「人工设计的结构不断让位于数据学出来的结构」
- 不必一次读完，先读前 4 篇建立地基，其余按需回查
- 每节实战课末尾都会指回对应论文，形成学练循环
- 读完后你具备的关键能力：5 分钟判断一篇新论文值不值得读（见第 ⑩ 篇第 6 节）
理论准备好了，去把环境搭起来 →