跳到正文
Hugging Face Daily Papers·· 2026-10-14精选AI 评分83

VITAL:从视觉运动到精确动作

VITAL: From Visual Motion to Precise Action

AI 导读

论文提出 VITAL(Vision-Induced Tokens for Action Learning),旨在将视觉预期转化为驾驶决策。该方法通过耦合视觉导出的运动骨架与紧凑残差编码,使视觉运动成为主要预测目标,同时为轨迹误差提供独立的归一化学习尺度。

推荐理由

该工作提出 VITAL 方法,将视觉运动作为动作预测主目标并引入残差编码,在 NAVSIM v1/v2 测试集上实现接近多步推理的精度与速度。

来源:Hugging Face Daily Papers · arxiv.org