EEmbogent
模型数据硬件产品评测公司技术融资
模型重要2026/11/11 19:39·重要度 73

CARE-Drive:将轨迹精修拆分为位置与航向交替优化

CARE-Drive: Coupled Alternating Refinement for Ego-trajectories

AI 摘要

作者提出 CARE-Drive,用于视觉-语言-动作(VLA)端到端自动驾驶的轨迹精修。方法把整条轨迹的精修改为路点残差校正与位置条件航向生成两个环节,交替耦合优化,并以模仿学习结合未来 token 辅助任务训练。作者认为,按位置和航向分别建模,比统一精修更易建模,也更符合物理直觉。

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

模型重要3 天前

SuperGlance:将VLM隐状态转为快速驾驶策略

Jieyuan Pei等提出SuperGlance,读取解码器式VLM生成首token前的隐状态,用线性头对5273条候选轨迹打分,把逐步解码的慢速System 2变为单步推理的驾驶策略。该隐状态已足以驱动车辆并回答场景问题,省去秒级GPU推理,监督目标可由离线奖励生成。

模型重要23 小时前

TaF-Foundation:以六维力旋量为基准的跨传感器触觉基础模型

Jiaming Jiang等提出TaF-Foundation,将触觉表征锚定在六维力旋量上,让不同传感原理的触觉观测共享同一物理监督,无需传感器之间直接配对。团队自建采集平台,用24个传感器、覆盖4类传感原理,采集超1亿条触觉与力旋量配对数据,并以传感器特定输入适配加共享编码器实现跨硬件迁移。

模型重要3 天前

RoboCoEvo:智能体与策略协同进化框架

Ran Qi 等人提出 RoboCoEvo,一个以失败为引导的协同进化框架:把 MLLM 智能体可复用、可执行的知识提炼,与 VLA 等机器人基础模型的参数学习耦合起来,让智能体与策略在迭代中相互增强,而不是各自独立改进,从而扩展机器人的任务能力。