DriveVA

DriveVA 模型通过联合视频和动作预测增强自动驾驶泛化能力

研究人员开发了 DriveVA，这是一种新颖的自动驾驶世界模型，旨在提高在不同数据集和传感器配置下的泛化能力。该模型在共享的潜在生成过程中联合预测未来的视觉预测和动作序列，并利用了大规模视频生成模型的先验知识。与现有的最先进方法相比，DriveVA 在 nuScenes 和 Bench2Drive 等基准测试中展示了强大的零样本能力和跨域泛化能力，显著降低了错误率和碰撞事故率。