Nullmax稀疏全要素生成式端到端方案UniTeD入选ECCV 2026

近日，


计算机视觉


领域顶级国际会议 ECCV 2026 论文录用结果正式揭晓，Nullmax 研发团队面向物理世界交互的最新成果——统一时序扩散模型 Uni


Te


D 成功入选。该研究首次将动态元素、静态元素与规划任务进行统一的稀疏建模，并完全采用生成式框架实现，为物理


AI


导航模型打造了一个通用的生成式“大脑”。如同人类在陌生环境中无需精确测量也能安全穿行，UniTeD 可让智能载体（如具身智能、智能汽车等）在物理世界中直接生成可靠的行为决策，大幅降低对精确感知的依赖，为物理 AI 的自主感知、时序推理与精准导航提供了全新范式。

欧洲计算机视觉国际会议 ECCV 与 CVPR、ICCV 并称为计算机视觉三大顶级会议，以严苛学术标准与极高入选门槛著称。本届 ECCV 2026 竞争空前激烈，官方数据显示，大会共收到 10,473 篇有效投稿，最终仅 2,883 篇论文获主会录用，整体录用率仅 27.52%。

Nullmax 本次入选论文题为《UniTeD: Unified Temporal Diffusion for Joint Perception and Planning in Autonomous Driving》，直击整个具身智能与物理 AI 领域的长期痛点——感知与规划模块因解耦设计导致的误差累积。团队创新性地提出统一时序扩散模型 UniTeD，通过统一扩散解码器构建共享生成空间，将动态元素、静态语义与导航轨迹一并建模为稀疏表征，实现感知与规划的联合深度降噪，从根本上缓解传统流水线中感知误差向规划传导的问题。同时，Nullmax 首创时序过渡模块（TTM）与锚点刷新策略（ARS），不仅解锁了扩散模型在长序列流式场景下的连续推理能力，更有效应对训练与推理分布偏移，在多模态导航行为生成的丰富性与大规模工程部署的稳定性之间取得理想平衡。

在无需任何复杂附加设定的前提下，UniTeD 在 Bench2Drive 大规模闭环交互、NAV


SIM


流式


仿真


及 nuScenes 感知等国际权威基准测试中，均取得全面超越现有端到端方案的 SOTA 表现。该工作通过稀疏生成式设计，验证了物理 AI 导航模型对精确感知依赖度可大幅降低，为真实世界中感知噪声下的鲁棒导航决策开辟了新思路。

物理 AI 的核心在于理解物理规律、物体交互与因果逻辑，而导航能力正是最基础也最具挑战性的体现。Nullmax UniTeD 作为面向物理世界的生成式导航模型，不仅为更广泛的物理 AI 解决方案升维提供了坚实底层技术支撑，更标志着 Nullmax 已具备对物理环境高度还原与理解的稀疏全要素生成式能力，为“感知-决策-行动”闭环构建了全新的技术范式——让 AI 真正学会在物理世界中自主导航。