arXiv · 机器人与计算机视觉· Yun Li, Yidu Zhang, Simon Thompson, Ehsan Javanmardi, Manabu Tsukada·· 2026-10-20精选AI 评分82
因果场景叙述:用于视觉语言动作驾驶的推理时文本重构
Causal Scene Narration: Inference-Time Text Restructuring for Vision-Language-Action Driving
AI 导读
针对自动驾驶中视觉语言动作模型接收到的离散文本指令难以关联环境约束的问题,该研究提出了因果场景叙述方法,通过在推理阶段进行意图与约束对齐、量化 grounding 及结构化分离来优化输入。
推荐理由
该研究提出在推理阶段重构 VLA 文本输入的方法,在多城镇 CARLA 测试中显著提升了路线完成率,并验证了其对感知噪声的鲁棒性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org