arXiv · 机器人与计算机视觉· Junsung Park, Hyunjung Shim·· 9 天前精选AI 评分82
基于逆运动学的智驾 VLA 模型:解决盲点规划与捷径学习问题
Grounding Driving VLA via Inverse Kinematics
AI 导读
该论文指出代表性驾驶视觉语言模型(Driving VLAs)存在反事实障碍插入下的盲点规划问题,即车辆出现在前方时轨迹仍不变。研究通过偏差 - 方差分析发现模型依赖 ego 状态和指令的捷径,并提出了一种受逆运动学启发的架构:利用 LLM 预测未来视觉场景提供密集监督,并设计独立的逆运动学网络仅基于当前和未来视觉状态解码轨迹,以抑制对 ego 状态的依赖。
推荐理由
该研究通过逆运动学架构解决了智驾 VLA 模型依赖 ego 状态捷径的问题,仅用摄像头在 NAVSIM 和 nuScenes 上实现了 SOTA 轨迹规划性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org