研究人员开发了AUGUstus,这是一种新颖的视觉-语言-动作(VLA)模型,专为自动驾驶设计,它统一了动作生成和理解,以克服现有VLA系统的局限性。与以往的模型要么退化为简单的视觉-动作系统,要么因自回归生成而导致高延迟不同,AUGUstus采用了基于扩散的方法进行动作生成,并采用自回归方法进行思维链(CoT)理解。这种统一的架构允许低延迟部署,同时通过在训练过程中使用CoT来监督动作生成,确保了更安全、更精确的轨迹。实验表明,AUGUstus在NAVSIMv1、NAVSIMv2和nuScenes等多个基准测试中取得了最先进的性能,并在真实车辆上的初步部署证明了其可行性。 AI
影响 该模型统一动作生成和理解的方法有望带来更安全、更高效的自动驾驶系统。
排序理由 该集群描述了一篇详细介绍自动驾驶新模型的最新研究论文。
- Augustus
- autonomous driving
- NAVSIMv1
- NAVSIMv2
- nuScenes
- Nvidia H800
- Vision-language-action model
- Chain-of-Thought (CoT)
- Vision-Language-Action (VLA)
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →