SimVTA

新的SimVTA框架通过模拟视频监督增强驾驶模型

研究人员开发了SimVTA，一个旨在通过模拟视觉数据来改进驾驶世界动作模型（WAMs）的新框架。该方法使用真实世界的模拟器为优化轨迹渲染未来的视频帧，提供独立于模型自身预测的视觉监督。通过在有限的渲染预算内优先监督高误差的未来，并采用组相对策略优化，SimVTA增强了轨迹规划和表示学习。该框架在NAVSIM v1和v2等基准测试以及HUGSIM的闭环评估中都显示出显著的改进。