PulseAugur
实时 12:52:08
English(EN) Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving

Drive-JEPA框架通过新颖的视频预训练推动端到端自动驾驶发展

研究人员推出Drive-JEPA,一个结合视频联合嵌入预测架构(V-JEPA)和多模态轨迹蒸馏的端到端自动驾驶新框架。该方法将V-JEPA应用于海量驾驶视频的ViT编码器预训练,生成对轨迹规划至关重要的预测表示。该系统还包含一个以提案为中心的规划器,它蒸馏各种模拟器生成和人类轨迹,并使用动量感知选择机制来确保稳定和安全的驾驶行为。在NAVSIM基准测试中,Drive-JEPA取得了新的最先进成果。 AI

影响 引入了一个新的端到端驾驶框架,该框架设定了新的最先进基准,可能提高自动驾驶系统的规划和安全性。

排序理由 该集群包含一篇arXiv论文,详细介绍了自动驾驶的新研究框架和模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Drive-JEPA框架通过新颖的视频预训练推动端到端自动驾驶发展

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Linhan Wang, Zichong Yang, Chen Bai, Guoxiang Zhang, Xiaotong Liu, Xiaoyin Zheng, Xiao-Xiao Long, Chang-Tien Lu, Cheng Lu ·

    Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving

    arXiv:2601.22032v2 Announce Type: replace Abstract: End-to-end autonomous driving increasingly leverages self-supervised video pretraining to learn transferable planning representations. However, pretraining video world models for scene understanding has so far brought only limit…