研究人员开发了DriveWAM，一个用于自动驾驶的新模型，它改编了预训练的视频扩散Transformer。该模型将视频和动作流整合到单个序列中，利用视频生成的时序动态和运动先验。DriveWAM还整合了来自冻结的视觉语言模型的场景理解，并使用选择性记忆来保持长时规划能力。在基准数据集上的实验表明，其规划性能强大，并且随着数据量的增加具有可扩展性。 AI
影响 通过改编视频扩散模型，为自动驾驶引入了一种新颖的方法，有望提高规划能力和可扩展性。
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。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →