VGGTWorld-VLA

新AI模型根据意图预测3D驾驶未来

研究人员推出VGGTWorld-VLA，这是VGGT-World模型在自动驾驶领域的扩展。该新模型通过纳入驾驶意图和动作来增强3D世界预测能力，能够基于不同的驾驶决策模拟不同的未来场景。该系统使用动作语义条件机制和几何-语言-动作桥梁来整合语义特征和机动表示，以实现更可控的未来几何预测。在NAVSIM数据集上的评估显示，与基线方法相比，该模型表现具有竞争力，突显了语义和动作条件化的有效性。