扩散驾驶VLA提出场景自适应读出与解码框架

Seungjun Yu等作者提出面向扩散驾驶VLA的场景自适应读出与解码框架，称在Waymo E2E和nuScenes两个基准、两个扩散驾驶VLA上，验证集RFS最高提升0.56，测试性能也有提升，Waymo E2E上端到端加速最高6.0倍，nuScenes上轨迹误差持续降低。 作者称观察到深度-解码解耦现象：首轮前向传播后，后层表示已能支持有用的轨迹读出，前层表示更受益于继续解码，且偏好的读出层与解码深度随场景变化。据此，框架用场景条件读出MoE在单次主干前向后自适应加权组合后层轨迹预测，仅在场景需要时执行额外原生细化。 该工作为arXiv预印本，代码已公开；上述指标为作者自报，未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。