生成式 AI 用于自动驾驶：前沿与机遇（综述）
Generative AI for Autonomous Driving: Frontiers and Opportunities
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuping Wang, Shuo Xing, Cui Can, Renjie Li, Hongyuan Hua, Kexin Tian, Zhaobin Mo, Xiangbo Gao, Keshu Wu, Sulong Zhou, Hengxu You, Juntong Peng, Junge Zhang, Zehao Wang, Rui Song, Mingxuan Yan, Walter Zimmer, Xingcheng Zhou, Peiran Li, Fangzhou Lin, Peizheng Li, Zhaohan Lu, Chia-Ju Chen, Yue Huang, Ryan A. Rossi, Lichao Sun, Hongkai Yu, Zhiwen Fan, Frank Hao Yang, Yuhao Kang, Ross Greer, Chenxi Liu, Eun Hak Lee, Xuan Di, Xinyue Ye, Liu Ren, Alois Knoll, Xiaopeng Li, Shuiwang Ji, Masayoshi Tomizuka, Marco Pavone, Tianbao Yang, Jing Du, Ming-Hsuan Yang, Hua Wei, Ziran Wang, Yang Zhou, Jiachen Li, Zhengzhong Tu
一篇综述系统梳理生成式 AI 在自动驾驶全栈中的角色，涵盖 VAE、GAN、扩散模型与 LLM 的原理与权衡，及其在图像、LiDAR、轨迹、occupancy、视频生成和 LLM 引导推理决策中的应用。文章归类合成数据流程、端到端驾驶、数字孪生、智慧交通与具身 AI 迁移等应用，并指出罕见场景泛化、评估安全、监管合规等挑战及研究路线。基于论文摘要，全文未核验。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org