Bench2drive
PulseAugur coverage of Bench2drive — every cluster mentioning Bench2drive across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新研究利用可解释性和强化学习解决自动驾驶可靠性问题
近期自动驾驶领域的研究正在探索先进技术以提高模型的可靠性和性能。一篇论文介绍了无监督字典学习，用于解释和纠正端到端驾驶模型，增强其决策逻辑。另一篇论文提出了一个使用强化学习和潜在思维蒸馏的框架，为驾驶场景创建高效且准确的视觉-语言模型，解决了幻觉和延迟问题。此外，一项调查回顾了强化学习在自动驾驶运动规划中的应用，强调了经验教训和未来挑战。其他工作则侧重于针对环境幻觉的鲁棒性基准测试、为长尾场景开发基于智能体的模拟，以及一个用于端到端驾…
-
UNIVERSE模型统一了自动驾驶的视频预测和轨迹生成
研究人员推出 UNIVERSE，这是一种用于自动驾驶的新型统一模型，集成了未来视频预测和轨迹生成。与之前使用独立架构的方法不同，UNIVERSE 采用单一的掩码调制 Diffusion Transformer 来共同训练视频潜在表示和轨迹 token，从而允许通过视频学习的动力学直接监督轨迹去噪。这种统一的方法增强了跨域动作泛化能力，并实现了 4.3 倍加速的仅轨迹推理，同时保持了规划精度。
-
GraphPilot 通过场景图增强自动驾驶性能 · arXiv
研究人员开发了 GraphPilot，一种通过结构化场景图进行条件化来改进基于语言的自动驾驶模型的新方法。该方法显式编码了关系依赖和空间结构，带来了显著的性能提升。在 LangAuto 和 Bench2Drive 基准上的评估表明，与 LMDrive、BEVDriver 和 SimLingo 等现有基线相比，驾驶得分有了实质性提高。该方法允许各种架构有效内化关系先验，即使在测试期间不需要场景图输入。
-
DIVER框架使用强化扩散模型实现多样化的自动驾驶轨迹
研究人员开发了DIVER，一个结合了强化学习和扩散模型的新型端到端自动驾驶框架。该方法旨在克服传统模仿学习的局限性，后者通常会导致保守的驾驶行为。DIVER通过条件化地图元素和周围的代理来生成多样化且可行的轨迹，并使用强化学习来强制执行安全性和多样性约束。
-
新型自动驾驶模型CogAD模仿人类认知
研究人员推出CogAD，这是一种新颖的端到端自动驾驶模型，旨在模仿人类在感知和规划中的认知过程。该模型采用双重分层机制进行上下文处理和意图条件轨迹生成。CogAD在复杂驾驶场景和泛化能力方面表现出色，在nuScenes和Bench2Drive等基准测试中优于现有方法。
-
DriveStack-VLA通过空间智能和自我批评增强驾驶模型
研究人员推出DriveStack-VLA，一个旨在增强视觉-语言-动作驾驶模型空间智能的新框架。该系统利用大型视觉-语言模型骨干，并通过DeepStack风格的连接引入鸟瞰图表示。为了改善感知焦点，它采用渲染教师对齐，对齐真实和栅格化图像感知。DriveStack-VLA还包含一个用于优化轨迹选择的自我批评模块，在NAVSIMv1、NAVSIMv2和Bench2Drive等基准测试中取得了强劲的性能。
-
新研究解决 LVLM 幻觉问题并改进视觉-语言学习
研究人员正在开发新方法来提高大型视觉-语言模型 (LVLM) 的鲁棒性和能力。一种名为 SeeMe 的方法侧重于通过工程化视觉标记来抑制不相关信息同时保留关键证据，从而减轻幻觉。另一个框架 Text as Partial Constraint (TPC) 旨在通过将多视图字幕视为不完整监督并提炼共识语义核心来创建更可靠的表示。此外，还在探索像 HiMe 这样的新架构，用于长视域的视觉-语言-动作控制，将具身智能解耦为分层组件，以实现更…
-
GraphBEV++框架解决了自动驾驶感知中的特征不对齐问题
研究人员推出了GraphBEV++，一个旨在解决自动驾驶系统鸟瞰图（BEV）感知中特征不对齐问题的新型框架。该框架包含两个主要模块：LocalAlign-v2，它使用图匹配来处理邻域感知的深度特征，以纠正局部不对齐；以及GlobalAlign-v2，它提供可变形和扩散变体来解决全局不对齐问题。GraphBEV++在nuScenes和Waymo等数据集上展示了最先进的性能，在感知、预测和规划任务中提高了准确性和鲁棒性，即使在校准不确定性下也是如此。
-
新的AI模型应对自动驾驶的远期规划问题
研究人员正在开发先进的自动驾驶AI模型，重点是改进轨迹规划和远期决策。包括ParkingTransformer、TerraTransfer、AlignDrive、Metis和GraphWorld在内的几个新框架，利用了LLM、自我博弈和基于图的世界建模等技术，以增强复杂驾驶场景下的泛化性、效率和安全性。这些方法旨在通过更好地整合感知、预测和规划，以及从多样化数据中学习而不完全依赖专家演示，来克服现有方法的局限性。
-
PersonaDrive管道为模拟创建类人驾驶代理
研究人员开发了PersonaDrive，这是一个用于在闭环驾驶模拟中创建更像人类的非自我交通代理的新型管道。该系统将视觉-语言-动作（VLA）代理与从人类被指示以特定风格（激进、中立、保守）驾驶的数据集中检索到的驾驶演示相结合。该管道有效地融合了视觉特征和控制信号，并微调了VLA骨干网络，以使用这些检索到的上下文作为行为演示，从而无需为每种风格进行重新训练即可实现风格多样的代理。
-
发布新的自动驾驶数据集和多模态动作模型
研究人员推出了 KITScenes Multimodal，一个用于自动驾驶的新欧洲数据集，该数据集具有高保真传感器和全面的高清地图。该数据集旨在解决现有数据集在传感器保真度、地图完整性和地理多样性方面的局限性。此外，还开发了一个名为 Action Diffusion Transformer (ADT) 的新模型，用于端到端自动驾驶，该模型利用多模态动作预测来提高性能和稳定性。
-
新基准和模型提升了自动驾驶的视觉语言模型能力
研究人员正在开发新的基准和模型，以提高视觉语言模型（VLMs）在自动驾驶中的能力。Drive-P2D 和 DriveSpatial 是新的基准，分别用于评估 VLM 在渐进式感知到决策任务和时空推理方面的能力，突显了当前场景构建和推理的局限性。同时，Fast-dDrive、SparseWorld 和 SpaceDrive 提出了新颖的 VLM 架构和方法，例如块扩散和空间感知注入，通过更好地平衡感知、规划和实时部署需求，来提高自动驾驶…
-
DeepSight模型通过远期世界建模增强自动驾驶能力
研究人员开发了DeepSight，一种用于端到端自动驾驶系统的新型世界模型，通过在鸟瞰图（BEV）空间中预测未来状态来增强决策能力。该模型集成了视觉-语言模型（VLM）架构和一个专为驾驶场景设计的特殊视觉推理模块。DeepSight还包含一个自适应文本推理机制，该机制利用社会知识来提高在具有挑战性的长尾情况下的性能，并在Bench2drive基准测试中取得了最先进的成果。
-
AI研究推动自动驾驶感知与安全发展
研究人员正在开发先进的AI技术以改进自动驾驶系统。其中一种方法CaAD专注于因果感知端到端建模，以更好地预测车辆和代理的交互，在基准测试中表现强劲。另一种方法Enhanced HOPE使用自适应感知，根据场景复杂性调整计算，并结合时间记忆来跟踪被遮挡的物体。此外，生成式AI正被用于创建多样化的合成行人数据，以训练更鲁棒的感知模型，突显了跨域训练的优势和局限性。最后，一种新颖的攻击范式利用了视图诱导的轨迹操纵，使用静态伪装欺骗自动驾驶汽…