EEmbogent
模型数据硬件产品评测公司技术融资
模型2026/11/11 19:39·重要度 69

CARE-Drive:位置-航向耦合交替轨迹精修

CARE-Drive: Coupled Alternating Refinement for Ego-trajectories

AI 摘要

Xiao Ma 等提出 CARE-Drive,针对现有 VLA 自动驾驶方法只做整体轨迹统一修正、忽视位置与航向物理量差异的问题,将轨迹精修拆分为路点残差修正和位置条件航向生成并交替执行,结合模仿学习与未来 token 辅助任务训练。摘录未给出量化结果。

阅读原文来源 arXiv VLA/Humanoid · arxiv.org

标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。

同板块相关

模型15 小时前

ThinkWAM:用潜空间未来预测反复精化动作块

Haoyun Tang 等提出 ThinkWAM,一种世界-动作模型框架,采用“提议-重思-精化”循环:策略先输出完整动作块,再用学习到的残差修正多尺度未来潜变量,并把修正结果注入同一动作头的第二遍推理,从而生成可执行动作块。作者还引入可供性引导的观察-动作记忆,以及近细远粗的多尺度预测方案,二者均受预测编码启发。摘要未给出量化评测结果。

模型1 天前

LSA:基于3D基础模型的分层机器人策略预训练框架

Yiyuan Ge等人提出分层机器人策略预训练框架LSA,分为Lift、See、Act三阶段。Lift阶段把2D人类视频观测提升为稠密3D表征,做法是让策略网络浅层特征与多个3D基础模型的中间表示自适应对齐;相比此前只用稀疏手部轨迹作监督,该框架保留了轨迹提取中的细粒度信息,目标是提升策略在真实场景的泛化能力。