跳到正文
arXiv · 机器人与计算机视觉· Yichen Zhang, Yupeng Zheng, Linbo Wang, Pengxuan Yang, Zebin Xing, Junli Wang, Shiwei Li, Kangwei Liu, Fan Ren, Qichao Zhang, Yifeng Pan, Ji Tao, Dongbin Zhao·· 9 天前精选AI 评分85

Latent-WAM++:面向端到端自动驾驶的世界与动作表征塑造

Latent-WAM++: Shaping World and Action Representations for End-to-End Autonomous Driving

AI 导读

论文提出 Latent-WAM++,一种面向端到端自动驾驶的以表征为中心的世界动作模型(WAM)。该方法通过场景 - 自车未来预测、SIGReg 分布稳定化及冻结几何先验构建世界表征;利用改进的 MeanFlow 速度空间目标直接预测多模态轨迹提议并实现一步采样;同时对齐视觉语义衍生的停止梯度目标以优化预输出动作特征。

推荐理由

该工作提出 Latent-WAM++,通过重塑中间表征监督与冻结几何先验,在 NAVSIM v2 实现 SOTA 性能并将端到端规划器训练成本降低 88.1%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org