PulseAugur
中
实时 01:33:55
English(EN) Think at 5 Hz, Act at 20 Hz: Asynchronous Fast-Slow Vision-Language-Action Inference for Closed-Loop Driving

新研究探索自动驾驶模型的异步和强化学习

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文探讨了自动驾驶领域视觉-语言-动作模型的先进方法。第一篇《以 5 Hz 进行思考，以 20 Hz 进行行动》介绍了一种快慢架构，该架构异步处理视觉和语言信息以实现实时控制，显著提高了模拟中的路线完成率。第二篇论文《MindDrive》提出了一种使用带有 LoRA 参数的轻量级 LLM 的在线强化学习方法，以克服模仿学习的局限性，在基准数据集上取得了显著的驾驶得分。 AI

影响 这些在异步处理和强化学习方面的进展可能带来更强大、更高效的自动驾驶系统。

排序理由 两篇在 arXiv 上发表的学术论文，详细介绍了自动驾驶视觉-语言-动作模型的新方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新研究探索自动驾驶模型的异步和强化学习

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Yun Li, Jiachen Gong, Simon Thompson, Ehsan Javanmardi, Qunli Zhang, Zifan Zeng, Shiming Liu, Peng Wang, Zixuan Guo, Manabu Tsukada ·

    以 5 赫兹思考，以 20 赫兹行动：闭环驾驶的异步快慢视觉-语言-动作推理

    arXiv:2607.15621v1 Announce Type: cross Abstract: Large language models bring instruction following and scene reasoning to end-to-end driving, but their inference latency collides with the control rate a vehicle requires. Existing closed-loop agents hide this gap by invoking the …

  2. arXiv cs.CV TIER_1 English(EN) · Haoyu Fu, Diankun Zhang, Zongchuang Zhao, Jianfeng Cui, Hongwei Xie, Bing Wang, Guang Chen, Hangjun Ye, Dingkang Liang, Xiang Bai ·

    MindDrive：一种通过在线强化学习实现自动驾驶的视觉-语言-动作模型

    arXiv:2512.13636v4 Announce Type: replace Abstract: Current Vision-Language-Action (VLA) paradigms in autonomous driving primarily rely on Imitation Learning (IL), which introduces inherent challenges such as distribution shift and causal confusion. Online Reinforcement Learning …

相关实体

相关话题