arXiv · 机器人与计算机视觉· Junjie Yang, Qiming Zhang, Yuyan Li, Shuqi Shen, Yusong Huang, Yanggang Sheng, Wenpeng Xu, Ziyi Shi, Tianshun Li, Yijie Chen, Yujia Wang, Jun Ma, Xinhu Zheng, Hongliang Lu, Hai Yang·· 2026-10-20AI 评分73
EvoAD:基于潜在世界模型引导的事后反思实现自动驾驶自进化
EvoAD: Self-Evolving Autonomous Driving via Latent World-Model Guided Post-hoc Reflection
AI 导读
论文提出了 EvoAD 框架,旨在解决端到端自动驾驶系统部署后无法像人类一样通过经验持续进化的问题。该系统将驾驶体验存储于鸟瞰图特征记忆池中,依据几何与语义相似度检索相关先例,并利用潜在世界模型在紧凑的规划空间中评估候选轨迹的未来后果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org