简介：现为滴滴自动驾驶AI Research负责人，国家级高层次人才计划入选者，香港中文大学博士。在CVPR/TPAMI等顶级会议和期刊上发表40余篇论文，谷歌学术被引用达17000余次；曾获新时代青年先锋奖、谷歌博士奖学金、世界人工智能大会云帆奖等荣誉；多次入选斯坦福大学与爱思唯尔数据库共同发布的全球前2%顶尖科学家年度影响力榜单。

报告题目：智能涌现·自动驾驶技术创新与产业化之路

报告摘要：本报告聚焦智能驾驶技术创新与产业化，结合滴滴自动驾驶实践，探讨L4级自动驾驶迈向规模化应用的关键路径。围绕混合决策系统、强化学习与端到端驾驶大模型，分享复杂交互和长尾场景下提升安全与体验的技术思路；展望视觉语言动作模型与世界模型的融合演进，阐述数据闭环、仿真验证和端侧推理的关键作用。同时，从车辆、算法、产品和运营协同出发，探讨如何兼顾安全、体验与成本，推动Robotaxi实现规模化服务。

个人简介：深圳河套学院助理院长，香港中文大学人工智能交叉学科研究所副所长，香港中文大学多媒体实验室教授，上海交通大学、中国科学技术大学兼职博士生导师，曾任西安电子科技大学“华山学者”讲座教授。他于2006年获华东理工大学自动化学士学位，2012年于美国理海大学获得计算机科学博士学位。他在人工智能、计算机视觉、医学图像处理有着深厚的研究经验，在相关顶级期刊和会议上（TPAMI、CVPR、ICCV、ECCV、NeurIPS、ICLR、ICML等）发表论文270余篇，谷歌学术引用超过6.6万次。获得了2020年IEEE电路与系统协会杰出青年作者奖、2021年香港中文大学青年学者杰出研究成就奖、2025年香港中文大学卓越研究奖、2022年-2025年全球前2%顶尖科学家、2022年-2024年AI 2000人工智能最具影响力学者提名奖等奖项。他担任 ICCV 2025、CVPR 2026、ICME 2026、WACV 2026高级领域主席，国际顶级学术会议NeurIPS 2021-2023 2025、CVPR 2023、ICCV 2023、ICML 2023-2025、ACM MM 2024-2025、ACL 2026、ICLR 2025-2026等会议领域主席。

报告题目：迈向下一代端到端自动驾驶：高效统一的视觉-语言-动作（VLA）模型前沿探索

报告摘要：随着端到端自动驾驶的发展，视觉-语言-动作（VLA）模型展现出强大的常识推理与跨模态认知潜力，但仍面临推理延迟高、离散文本与连续控制难融合等落地瓶颈。本次讲座将聚焦VLA模型在自动驾驶架构设计上的最新突破，探讨如何通过深度的架构统一与创新机制化解上述难题。我们将分享一种全新的解决思路：通过将认知推理转移到统一的隐式空间，并构建全流式的网络架构，系统能够有效摆脱传统语言大模型自回归解码的高延迟束缚。同时，结合分层并行解码与“语言意图引导连续动作扩散”的创新机制，模型成功跨越了离散语义理解与连续车辆控制之间的鸿沟，实现了时序记忆、常识推理与轨迹规划的无缝融合。这些前沿探索不仅大幅提升了系统的运行效率与安全性，更在长尾复杂场景下的规划精度首次超越了人类驾驶员水平，全面展示了下一代自动驾驶大模型“知行合一”的发展趋势。

个人简介：香港中文大学（深圳）数据科学学院助理教授，校长青年学者，于深圳河套学院双聘。于2021年获得香港中文大学博士学位；其后在马克斯·普朗克研究所担任博士后研究员。其研究聚焦于计算机视觉与人工智能，具体方向包括三维感知与空间智能、世界模型、自动驾驶、具身智能、表征学习以及多模态学习等。其研究成果发表在CVPR、ICCV、NeurIPS和TPAMI等顶级会议和期刊中，并多次获选口头报告与亮点论文，谷歌学术引用量超过18,000次，并担任顶会审稿人与领域主席。其关于自动驾驶运动预测的研究连续三次获得CVPR Waymo Open Dataset Motion Prediction Challenge全球冠军。多次入选由斯坦福大学与爱思唯尔联合发布的全球前2%顶尖科学家年度影响力榜单，并获得国家级青年人才项目资助。

报告题目：世界模型驱动的端到端自动驾驶

报告摘要：世界模型通过学习物理世界的演变规律，为端到端自动驾驶突破泛化与数据瓶颈提供了新路径。本报告围绕策略学习与数据生成两条路径，介绍我们的研究进展：一方面，介绍如何将视频生成先验引入驾驶策略，联合建模未来场景与驾驶动作，连接世界预测与驾驶决策；另一方面，介绍三维几何先验驱动的前馈式动态场景重建，并分享我们在长时序、可控视频世界模型方面的探索，实现几何一致的可控场景重建与多样化数据生成。通过两条路径的探索，探讨世界模型如何连接场景表征、未来生成与策略学习，推动端到端自动驾驶的发展。

个人简介：香港大学电气与计算机工程系副教授。她于香港中文大学获得博士学位，并曾在加拿大多伦多大学、英国牛津大学以及英特尔视觉计算研究组开展科研合作与学术交流。她的研究致力于赋予机器在开放环境中感知、理解与重建视觉世界的能力，重点关注具身智能系统中的真实场景应用。迄今为止，她已在计算机视觉、计算机图形学与机器学习等领域的顶级国际会议（包括 SIGGRAPH Asia、CVPR、ICCV、NeurIPS等）发表论文100余篇，其中多篇入选口头报告。齐晓娟博士曾获得 SIGGRAPH Asia 最佳论文荣誉提名奖，并入选 2024 年 IEEE AI “10 to Watch”以及 MIT TR35 China。她还积极服务学术界，长期担任 ICCV、CVPR、NeurIPS、ICML 和 AAAI 等国际顶级会议的领域主席（Area Chair）。

报告题目：面向开放三维世界的建模、生成和交互

报告摘要：开放世界中的智能体需要持续感知环境、理解场景、生成内容并完成自主交互，而世界建模正是连接空间智能、生成式人工智能与具身智能的关键基础。本报告围绕“世界建模、生成和交互”这一主线，介绍团队在开放世界三维智能领域的系列研究进展，探讨如何构建兼具几何一致性、物理合理性与交互能力的数字世界。报告首先介绍面向开放场景的三维与四维世界建模方法，通过融合几何先验、神经表示和三维高斯表示，实现高保真、可扩展的动态环境重建，并结合合成数据与新型计算硬件提升建模效率。随后，围绕开放世界内容生成，介绍纹理丰富的三维资产、单图三维场景以及可动画三维对象的生成技术，并进一步将物理约束、关节结构和智能体行为纳入生成过程，使生成内容能够支持真实交互与任务执行。进一步地，报告将讨论世界模型的发展趋势，从单目生成迈向几何一致性的立体动态世界建模，通过统一时空表示与相机建模，为沉浸式显示、机器人感知和具身决策提供更加可靠的环境表征。最后，介绍自适应世界—动作模型与双循环自进化智能体框架，通过规划、执行、反思、数据整理和技能学习，实现智能体在开放世界中的持续学习、长时序推理与自主进化。本报告旨在展现从世界感知、建模与生成到智能交互的完整技术闭环，为构建能够在开放世界中持续学习、可靠决策和自主行动的新一代智能系统提供新的思路与方向。

个人简介：梁定康，华中科技大学软件学院助理教授，长期聚焦自动驾驶、具身智能、多模态大模型与世界模型等方向，担任国际权威期刊Pattern Recognition编委、ECCV/AAAI等计算机视觉国际顶级会议领域主席。已在IEEE TPAMI、IJCV、CVPR、NeurIPS、ECCV、ICCV、AAAI等国际顶级期刊与CCF A类会议发表论文50余篇。曾入选China3DV学术新锐奖，带领团队在CVPR、ICCV、ECCV等顶级会议相关学术竞赛中夺冠5次，谷歌学术总引用超过3500次，H指数27。

报告题目：Qwen-Drive: 自动驾驶视觉语言基础模型初探

报告摘要：本报告介绍团队在自动驾驶视觉-语言基础模型的初步探索。首先梳理自动驾驶视觉语言模型的演进，分析仅依赖驾驶问答监督在三维空间建模和通用能力保持上的局限。随后介绍Qwen-Drive-1.0，在预训练VLM中将显式3D感知、场景理解与运动规划统一建模的框架。进一步结合多类评测分析模型在感知、理解与规划任务上的性能与局限，最后展望开放世界自动驾驶基础模型的发展方向。

CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。