Aller au contenu principal
Accès ouvert déclaré 2026 article

Generative AI for Autonomous Driving: Frontiers and Opportunities

1Citations signalées, ce qui n’est pas une note de qualité
10Institutions déclarées
3Pays d’affiliation déclarés

Rattachement africain : us, de, ca. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Generative Artificial Intelligence (GenAI) constitutes a transformative technological wave that reconfigures industries through its unparalleled capabilities for content creation, reasoning, planning, and multimodal understanding. This revolutionary force offers the most promising path yet toward solving one of engineering’s grandest challenges: achieving reliable, fully autonomous driving, particularly the pursuit of Level 5 autonomy. This survey delivers a comprehensive and critical synthesis of the emerging role of GenAI across the autonomous driving stack. We delve into the frontier applications of GenAI in image, LiDAR, trajectory, occupancy, and video generation, as well as LLM-guided reasoning and decision-making. We categorize practical applications, such as end-to-end driving strategies and closed-loop simulations. We identify key obstacles and possibilities such as comprehensive generalization across rare cases, evaluation, safety, and onboard deployment. By unifying these threads, the survey provides a forward-looking reference for researchers, engineers, and policymakers navigating the convergence of generative AI and advanced autonomous mobility. An actively maintained repository of cited works is available at https://github.com/taco-group/GenAI4AD.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Generative AI for Autonomous Driving: Frontiers and Opportunities
Date Crossref
07/08/2026
Éditeur
Association for Computing Machinery (ACM)
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • University of Michigan pays non établi dans la notice
    Université ou école supérieure
  • Mitchell Institute pays non établi dans la notice
    Organisation à but non lucratif
  • Nomor Research (Germany) pays non établi dans la notice
    Entreprise
  • Texas A&M University pays non établi dans la notice
    Université ou école supérieure
  • Purdue University West Lafayette pays non établi dans la notice
    Université ou école supérieure
  • University of Waterloo pays non établi dans la notice
    Université ou école supérieure
  • University of Toronto pays non établi dans la notice
    Université ou école supérieure
  • Columbia University pays non établi dans la notice
    Université ou école supérieure
  • Stanford University pays non établi dans la notice
    Université ou école supérieure
  • Georgia Institute of Technology pays non établi dans la notice
    Université ou école supérieure
  • Waymo LLC pays non établi dans la notice
    Institution
  • NVIDIA pays non établi dans la notice
    Institution

University of Michigan, Mitchell Institute et Nomor Research (Germany), avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Transportation and Mobility Innovations

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.