PulseAugur
中
实时 04:06:09
English(EN) MOJITO: Modal Joint Learning for Unified End-to-End Autonomous Driving

MOJITO框架通过统一的传感器到动作学习推动自动驾驶发展

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的端到端自动驾驶框架MOJITO，该框架利用模态联合学习。这种方法绕过了传统的两阶段流程，允许规划模块直接访问和处理图像和LiDAR等多模态传感器数据。MOJITO在NAVSIM v1和NAVSIM v2数据集上展示了最先进的性能，分别达到了88.9 PDMS和88.4 EPDMS。该框架在可扩展性、指令遵循和生成多样化轨迹方面也显示出潜力。 AI

影响 通过实现规划中对多模态传感器数据的直接利用，这一统一框架有望带来更强大、更具适应性的自动驾驶系统。

排序理由 详细介绍自动驾驶新框架的研究论文。[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 →

MOJITO框架通过统一的传感器到动作学习推动自动驾驶发展

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zhijing Cheng, Xuancheng Zhang, Donglin Di, Lei Fan, Baorui Ma, Hao Li, Xun Yang ·

    MOJITO：用于统一端到端自动驾驶的模态联合学习

    arXiv:2607.23511v1 Announce Type: new Abstract: End-to-end autonomous driving systems commonly follow a cascaded two-stage pipeline where a perception stage compresses multi-modal sensor inputs into a compact context and a downstream planner predicts trajectories conditioned on t…

相关实体

相关话题