跳到正文
arXiv · 机器人与计算机视觉· Guoqing Wang, Pin Tang, Xiangxuan Ren, Chao Ma·· 12 小时前精选AI 评分82

AgentWorld:面向自动驾驶的代理中心化视觉语言动作世界模型

Learning Agent-Centric Vision-Language-Action World Models for Autonomous Driving

AI 导读

针对现有世界 VLA 模型在像素级生成中保留大量无关细节导致性能瓶颈的问题,本文提出 AgentWorld 模型。该模型采用离散代理 Token 联合进行推理与轨迹规划,每个 Token 动态关联周围物体的语义、3D 几何、运动及交互上下文。

推荐理由

提出 AgentWorld 模型,通过离散代理 Token 替代像素级生成,聚焦驾驶场景中的物体交互与动力学以支持规划。

来源:arXiv · 机器人与计算机视觉 · arxiv.org