AlpaSim
PulseAugur coverage of AlpaSim — every cluster mentioning AlpaSim across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的ECO方法提升端到端驾驶模型性能
研究人员开发了一种名为端点约束优化（ECO）的新后处理层，以提高端到端驾驶模型的性能。ECO将轨迹锚定到车辆历史记录，保持策略预测的终点，并重塑中间航点以提高可行性。该方法无需额外训练、地图或模拟器状态，并在闭环模拟器中显示出显著的改进，在HUGSIM闭环驾驶挑战赛中获得第一名。
-
新的VLA模型增强机器人推理、安全性和效率 · 跟踪10个来源
研究人员正在为机器人技术开发先进的视觉-语言-动作（VLA）模型，重点是提高推理、安全性和效率。TOAST和TRUST等新方法旨在通过引入随机性和监控推理过程来增强策略学习和运行时安全性。其他进展包括用于城市导航的专用模型（UrbanVLA）、可泛化的奖励生成（Large Reward Models）以及节能的脉冲驱动架构。此外，还在努力改进VLA系统中的多智能体协调和长时任务规划。
-
Instant NuRec 加速驾驶模拟的三维高斯重建
研究人员开发了 Instant NuRec，这是一种新颖的前馈式神经重建模型，专为自动驾驶模拟而设计。该模型可以在单次前向传播中将短时间的、多视角的驾驶日志转换为完全可模拟的 3D 高斯泼溅世界。Instant NuRec 大约在 1.5 秒内重建一个 10-20 秒的场景，在 Waymo Open Dataset 上显著优于现有方法，并与 NuRec 和 AlpaSim 等现有模拟平台无缝集成。
-
NVIDIA 发布 OmniDreams 用于实时自动驾驶汽车仿真
NVIDIA 推出了 OmniDreams，一个用于自动驾驶汽车仿真的实时生成式世界模型。该模型基于 Cosmos 扩散模型构建，可生成条件化动作的视频，以创建更真实、更动态的驾驶场景。通过在海量驾驶数据上进行训练，OmniDreams 能够合成极端天气和不可预测的代理行为等复杂现象，克服了传统仿真器的局限性。它与 Alpamayo 和 AlpaSim 等系统集成，为训练和评估自动驾驶策略提供了一个可扩展的解决方案。