近日，国际计算机视觉大会 ICCV 2025 正式公布论文录用结果，Nullmax 感知团队在端到端自动驾驶方向的最新研究成果《HiP-AD: Hierarchical and Multi-Granularity Planning with Deformable Attention for Autonomous Driving in a Single Decoder》成功入选，彰显 Nullmax 在一段式端到端核心技术上的深厚积累与创新实力，尤其在端到端自动驾驶系统设计领域的研究已处于行业领先水平。
作为全球计算机视觉三大顶会之一，ICCV（International Conference on Computer Vision）由 IEEE 主办，每两年举办一次，汇聚全球学术界与工业界的前沿研究成果。ICCV 2025 共收到 11,239 篇投稿，规模远超往届。最终，共计 2,699 篇论文获录用 ，录取率仅为 24%。在此次Nullmax入选论文中，感知团队提出了一种全新的端到端模型设计方法——HiP-AD（Hierarchical and Multi-GranularityPlanning forAutonomousDriving），通过统一的 Transformer 解码器架构，将感知、预测与规划任务协同整合，实现了端到端闭环控制的整体优化。
具体而言，新方法HiP-AD 的关键突破在于：
01多粒度分层规划查询
融合时序(Temporal)、空间(Spatial)和驾驶风格(Driving-style)三类轨迹 Waypoints，显著提升了轨迹规划的表达力与泛化性。
02可变形注意力机制
模型可精准聚焦于轨迹周边关键区域，更有效地从图像中提取关键特征。
03统一解码器结构
打破模块壁垒，感知-预测-规划任务在同一空间协同优化，使信息流动更加高效。
HiP-AD多轨迹生成机制：
选出“最优路径”，更具“类人”适应力
HiP-AD 在轨迹预测策略上引入了创新性的多轨迹生成机制。区别于仅输出单一路径的传统方法，它能从时间、空间与驾驶风格等多个维度生成多条候选轨迹，并通过系统综合评估选出最优路径。这一策略显著增强了系统面对动态环境变化时的适应能力，提高了复杂驾驶场景下的稳定性与安全性。
HiP-AD 闭环能力：
真实模型可执行，跑得稳，更可靠
在复杂的实际驾驶环境中，自动驾驶系统常出现“看得懂、想得好，但跑不稳”的问题，即轨迹预测结果看似合理却难以真实执行。原因在于多数传统模型依赖开环测试，仅基于历史数据比对预测轨迹与实际轨迹，缺乏执行层验证。
HiP-AD 所采用的闭环设计模式，则要求系统控制车辆在复杂环境中完成驾驶任务，能有效应对如障碍物规避、合理变道与突发情况处理等挑战，全面评估模型的执行与决策能力。
在权威闭环评测基准 Bench2Drive 中，HiP-AD 取得了 SOTA （第一名）的优异成绩，大幅领先同等架构设计，验证了其在真实应用中的执行能力与系统可靠性。
赋能 Nullmax 端到端技术
HiP-AD 助力自动驾驶大脑进化
以加速移动出行智变为目标，Nullmax 多年来擅长将前沿科研成果高效转化为可商业化、规模化落地的技术应用。在实际应用中，HiP-AD 将为 Nullmax Intelligence（Nullmax 于 2024 年发布的新一代端到端自动驾驶技术）注入更强大、拟人且精准的决策与路径规划能力。
接下来，新方法HiP-AD 有望显著增强 Nullmax Intelligence 在城市、高速等复杂场景下的环境理解与自主决策能力，全面提升Nullmax辅助驾驶系列方案的智能化水平与用户体验。
结语
一直以来，Nullmax 专注于打造以纯视觉为核心的平台化辅助驾驶方案。在前沿技术引领方面，Nullmax团队研究成果已多次入选国际顶会 CVPR、ECCV 与 ICCV，研究方向覆盖自动驾驶的视觉感知、规划决策、端到端系统等核心技术路径。与此同时，Nullmax 始终坚持科研技术与量产落地并重，持续推动创新成果从学术层面走向产品应用。
在自动驾驶技术快速演进的今天，我们欢迎有志于推动行业进步的优秀人才加入 Nullmax，点击下方“阅读原文”查看岗位详情，一起智变未来吧！
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表本站网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
