Causal Scene Narration 论文获 TMLR 收录

2026 年 10 月 20 日，由 Yun Li、Yidu Zhang、Simon Thompson、Ehsan Javanmardi 及 Manabu Tsukada 合作研究的论文《Causal Scene Narration》正式发表于 Transactions on Machine Learning Research（TMLR）。此前报道主要基于该研究在 arXiv 上的发布及初步评估结果。 该论文提出因果场景叙述（CSN）方法，旨在通过推理时重构视觉-语言-动作（VLA）模型的文本输入以提升驾驶表现。具体而言，CSN 利用意图对齐、定量接地及结构化分离技术，在零 GPU 成本投入的情况下优化模型输入。在 CARLA 模拟环境中，该方法使 LMDrive 模型的驾驶得分相对提升了 31.1%。 研究表明，CSN 在涵盖 8 个城镇、16 条路线的多轮评估中验证有效，其性能收益主要源于信息内容重构，且在存在感知噪声的情况下保持稳健。该成果已在 TMLR 收录，相关代码已开源，为自动驾驶领域的 VLA 模型优化提供了新的推理时方案。

AI 根据报道生成 · 3 小时前更新