PulseAugur
中
实时 08:23:13
English(EN) HEAT: Heterogeneous End-to-End Autonomous Driving via Trajectory-Guided World Models

新的HEAT模型改进了跨多样化环境的自动驾驶性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为HEAT的新型轨迹引导学习范式，用于端到端自动驾驶系统。该方法旨在通过围绕规划轨迹组织训练并结合世界模型，来提高在多样化和异构驾驶环境中的性能。HEAT有助于捕获域不变表示，并减轻由域特定变化引起的偏差，在nuScenes、NAVSIM和Waymo等基准测试中显示出显著的改进。 AI

影响 这一新模型有望实现更强大的自动驾驶系统，使其能够在更广泛的现实世界条件下有效运行。

排序理由 发布了一篇详细介绍新型自动驾驶模型的研究论文。[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 →

新的HEAT模型改进了跨多样化环境的自动驾驶性能

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Kuk-Jin Yoon ·

    HEAT：通过轨迹引导的世界模型实现异构端到端自动驾驶

    End-to-end autonomous driving has emerged as a compelling alternative to traditional modular pipelines by directly mapping raw sensor data to driving actions. While recent approaches achieve strong performance on single-domain datasets, their performance degrades significantly wh…

相关实体

相关话题