跳到正文
arXiv · 机器人与计算机视觉· Jingbo Xu, Hanchao Leng, JiaHui Huang, Hanbing Li, Jingwei Zhao, Kuiyuan Yang, Chen Gao, Guang Chen, Hangjun Ye, Yong Li·· 23 天前AI 评分72

DriveUniTok:面向驾驶世界动作模型的统一多模态分词器

DriveUniTok: A Unified Multimodal Tokenizer for Driving World-Action Models

AI 导读

论文提出 DriveUniTok,这是一个用于驾驶世界动作模型(WAMs)的统一多模态分词器,能将外观、投影 LiDAR 深度和自车运动编码为单一可解码连续潜在空间。

来源:arXiv · 机器人与计算机视觉 · arxiv.org