创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

VITAL:从视觉运动生成精确驾驶动作

AI 总结

arXiv 于 10 月 14 日收录技术报告《VITAL: From Visual Motion to Precise Action》,作者提出名为 VITAL(Vision-Induced Tokens for Action Learning)的动作词元器。它把由视觉导出的运动骨架与一个紧凑的残差分量结合,残差用于编码骨架留下的轨迹误差,使视觉运动成为主要预测目标,并让小尺度度量修正拥有单独的归一化学习尺度。方法使用流匹配,动作专家从当前图像、自车状态和导航指令联合预测两部分,推理时不生成未来图像;作者自报单步去噪在 NAVSIM v1 navtest 上达到 90.8 PDMS,距其十步分数仅差 0.13 分,端到端推理速度为 3.29 倍,并在不重训的情况下取得 NAVSIM v2 navtest 91.1 EPDMS 与 navhard 38.6。

深度见解

作者报告单步动作去噪即可接近十步的 PDMS 分数,同时端到端推理速度提升至 3.29 倍,这些均为论文自报数据,尚无独立复现。

Computer Science > Computer Vision and Pattern Recognition

arXiv:2610.20604 (cs)

[Submitted on 14 Oct 2026]

Title:VITAL: From Visual Motion to Precise Action

Authors:Ao Liang, Youquan Liu, Mingxiao Li, Wei Chow, Lingdong Kong, Yue Liao, Dongyue Lu, Yu Yang, Wei Yin, Runnan Chen

View a PDF of the paper titled VITAL: From Visual Motion to Precise Action, by Ao Liang and 9 other authors

#VITAL#NAVSIM

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。