arXiv · AI· Guoqing Wang, Pin Tang, Xiangxuan Ren, Chao Ma·· 2 天前AI 评分23
AgentWorld:用于自动驾驶的以智能体为中心的视觉-语言-动作世界模型
Learning Agent-Centric Vision-Language-Action World Models for Autonomous Driving
AI 导读
研究提出以智能体为中心的 VLA 世界模型 AgentWorld,通过离散智能体 token 同时完成推理与轨迹规划,克服像素级生成的性能瓶颈。 该模型将每个 token 动态关联到周边智能体及其状态(语义、3D 几何、运动等),并经由显式几何 grounding、监督微调和面向智能体的强化学习进行训练。
来源:arXiv · AI · arxiv.org