实体
SimLingo
SimLingo
PulseAugur coverage of SimLingo — every cluster mentioning SimLingo across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
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。
-
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。
-
新基准揭示自动驾驶模型安全缺陷
研究人员推出了 Safe2Drive (S2D)，一个旨在评估端到端自动驾驶模型安全性的新基准。S2D 包含 100 个挑战性场景，例如施工区域和行人违规穿越马路，并引入了 SafeDriving Score (SDS) 来衡量安全关键行为。在 S2D 上进行测试时，两个领先模型 LEAD 和 SimLingo 的驾驶得分与它们在现有基准上的表现相比显著降低，表明其安全驾驶能力脆弱且缺乏鲁棒的行为推理。