NAVSIM v2
PulseAugur coverage of NAVSIM v2 — every cluster mentioning NAVSIM v2 across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
新框架使VLA驾驶的监督与策略优化保持一致
研究人员开发了一个新框架，通过将多轨迹模仿学习与策略优化相结合，来改进视觉-语言-动作（VLA）驾驶方法。所提出的方法通过引入不可行的行为分布来解决高分轨迹可能导致性能下降的问题。通过约束增强轨迹并使用帕累托最优标准，系统可以过滤掉冲突的样本，并确保将扩展的轨迹监督有效地整合到策略优化中。这种方法在驾驶基准测试中提高了性能，并显著恢复了最初失败的场景。
-
新的VLA模型通过多专家推理和多模态交互增强自动驾驶能力
两篇新的研究论文探讨了用于自动驾驶的先进视觉-语言-动作（VLA）模型。第一篇论文CoWorld-VLA介绍了一个多专家世界推理框架，该框架使用专门的token来条件化动作规划，并在NAVSIM数据集上展示了改进的性能。第二篇论文提出了一个通过关注多模态交互和多轨迹规划来增强VLA模型的系统，旨在实现更可靠和可解释的驾驶决策，尤其是在挑战性场景下。
-
DA-WAM框架统一预测与规划，助力更安全的自动驾驶
研究人员推出DA-WAM，一个旨在通过整合未来预测与轨迹规划来改进自动驾驶决策的新框架。与以往分离这两个过程的方法不同，DA-WAM在一个单一目标下统一了预测表示学习、动作条件未来建模和轨迹评分。这种方法确保了预测的未来直接指导轨迹选择，从而提高了安全性和性能。在NAVSIM-v1和NAVSIM-v2数据集上的实验表明，DA-WAM取得了最先进的结果。
-
新方法通过交通元素感知增强自动驾驶 · 跟踪到2个来源
研究人员开发了一种新颖的可插拔方法，将交通元素感知集成到端到端自动驾驶系统中。该方法系统地研究了交通信号灯和路标的影响，这些元素通常被忽视，而更侧重于动态道路参与者。通过使用结构化的交通元素标注来增强现有数据集，并采用最小集成设计，该方法可以无缝集成到各种驾驶范式中，包括VLA模型和基于扩散的策略。在nuScenes和NAVSIM-v2等多个数据集上的评估表明，驾驶性能得到了一致的提升，在具有挑战性的基准测试中树立了新的最先进水平。
-
新方法通过定向人工智能扰动增强自动驾驶安全性
研究人员开发了一种名为威胁引导策略感知场景扰动（TPSP）的新方法，以提高使用强化学习的自动驾驶系统的安全性。TPSP通过在模拟环境中创建定向扰动来应对罕见、安全关键的驾驶场景的挑战。该方法模拟了驾驶策略与其周围环境之间的交互，以识别和修改关键元素，从而生成更具信息量的训练数据。实验表明，与随机或策略无关的扰动策略相比，TPSP提高了安全学习效率，并带来了更好的安全性能。
-
SUV框架使用视频生成来实现端到端的驾驶场景理解
研究人员推出了一种新颖的端到端驾驶框架SUV，该框架将未来场景理解视为一项视频生成任务。该方法利用预训练的视频基础模型，将未来外观、语义、深度和实例级动态预测为视频流。然后，一个动作专家通过关注这些预测的未来流来生成自我轨迹。SUV在NAVSIM-v2和WOD-E2E等基准测试中表现强劲，仅使用一个前置摄像头就超越了多种最先进的方法。
-
Auto-JEPA模型预测自动驾驶汽车的驾驶意图
研究人员开发了Auto-JEPA，一个新颖的、面向端到端自动驾驶的潜在世界模型。该模型专注于预测连续的未来驾驶意图，而不是重建整个未来世界状态。通过学习与未来自身轨迹对齐的意图嵌入，Auto-JEPA从记忆库中检索并排序可执行轨迹。该系统在NAVSIM v1和v2基准测试中取得了强劲的性能，证明了其在无需显式感知标注或学习轨迹生成器的情况下，专注于规划相关视觉特征的能力。
-
MOJITO框架通过统一的传感器到动作学习推动自动驾驶发展
研究人员推出了一种新颖的端到端自动驾驶框架MOJITO，该框架利用模态联合学习。这种方法绕过了传统的两阶段流程，允许规划模块直接访问和处理图像和LiDAR等多模态传感器数据。MOJITO在NAVSIM v1和NAVSIM v2数据集上展示了最先进的性能，分别达到了88.9 PDMS和88.4 EPDMS。该框架在可扩展性、指令遵循和生成多样化轨迹方面也显示出潜力。
-
新的VLA框架推动自动驾驶感知和动作规划 · 跟踪9个来源
多篇研究论文介绍了用于自动驾驶的新型框架，这些框架集成了视觉、语言和动作（VLA）能力。MATS提出了一种多模态、多任务学习方法，具有自适应融合和特定任务的专家，用于3D感知。HyWorldVLA结合了像素级监督和基于潜在变量的世界模型以实现鲁棒驾驶，而PerceptDrive则利用冻结的感知模型和自适应专家路由。ForgeDrive使用统一的扩散框架和交叉条件进行视觉-动作生成，MindDrive则采用在线强化学习和大型语言模型进行…
-
FlowR2A 统一驾驶规划方法，取得最先进的成果
研究人员开发了 FlowR2A，一种新颖的多模态驾驶规划方法，弥合了基于评分和基于锚点的方法之间的差距。该新模型使用流匹配解码器学习奖励条件动作分布，有效地将密集奖励监督与动态提案生成相结合。FlowR2A 旨在通过内化动作与其结果之间的相关性来提高安全性、进度、舒适性和规则依从性。该方法在 NAVSIM v1 和 v2 基准测试中展示了最先进的性能，产生了比以往技术更高质量的多模态提案。
-
通过逆向运动学实现接地的驾驶VLA达到SOTA性能
研究人员开发了一种新方法，通过将轨迹预测重构为逆向运动学问题来接地驾驶视觉语言模型（VLA）。该方法需要当前和未来的视觉状态，解决了现有VLA仅使用当前状态而导致捷径问题的局限性。新方法包含一个下一视觉状态预测目标和一个专用的逆向运动学网络，使得一个0.5B规模的模型能够达到与规模大得多的7B-8B VLA相当的性能。