跳到主要内容
检索

Shunming Liu

1 篇关联报道

订阅更新
  1. arXiv

    离散扩散开上自动驾驶:MD-Drive在NAVSIM把PDMS做到88.9,训练数据只要15.3万样本

    自动驾驶的视觉语言模型此前多按自回归逐词生成轨迹,误差会沿序列累积。MD-Drive在标准视觉语言模型架构上把轨迹坐标离散成词元,用掩码离散扩散整体去噪,并在监督微调、强化学习和推理三个阶段分别加入轨迹离散化、多样性筛选和按场景风险切换方向的动态解码。在NAVSIM闭环基准上,MD-Drive取得88.9的PDMS,比同架构自回归基线DrivingGPT和FSDrive分别高6.5和3.8分,训练数据为15.3万样本。

已读完全部报道