端到端轨迹SOTA！TransDiffuser：基于解耦多模态表示的端到端轨迹生成（理想&中科院）

最新推荐文章于 2025-12-04 11:00:53 发布
原创 最新推荐文章于 2025-12-04 11:00:53 发布 · 1.2k 阅读 · 19 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

今天自动驾驶之心为大家分享理想汽车&中科院&清华最新的工作！TransDiffuser：生成式端到端自动驾驶最新方案。如果您有相关工作需要分享，请在文末联系我们！

自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一步咨询

>>点击进入→

最低0.47元/天 解锁文章
技术突破与落地应用：端到端 2.0 时代辅助驾驶TOP10 论文深度拆解系列【第五篇（排名不分先后）】
LIUMAO99的博客
06-19 1118
近年来，扩散模型在多个领域展现出潜力，将其应用于自动驾驶成为有前景的方向。本文提出 TransDiffuser，一种基于编码器 - 解码器的生成式轨迹规划模型，用于端到端自动驾驶。编码的场景信息作为去噪解码器的多模态条件输入。为解决生成高质量多样轨迹时的模式崩溃问题，在训练过程中引入了简单有效的多模态表示去相关优化机制。在 NAVSIM 基准测试中，TransDiffuser 实现了 94.85 的 PDMS，超越了之前的最先进方法，且无需任何基于锚点的先验轨迹。
多模态大模型中的视觉分词器（Tokenizer）前沿研究介绍
kebijuelun的博客
05-10 1599
本文梳理了 8 篇视觉分词器（Tokenizer）前沿工作，涵盖视觉分词器（Tokenizer）中的潜在空间优化、动态长度分词、全模态对齐等方向。从 MAETok 揭示潜在空间结构对扩散模型的关键作用，到 FlexTok 实现 1-token 极端压缩仍保持语义完整性，再到 Ola 构建支持"看听说写"的全模态模型
最新综述！自动驾驶生成人工智能：前沿与机遇
CV_Autobot的博客
05-15 945
构建端到端融合架构，将运动补偿后的4D雷达点云（经雷达稀疏编码器提取空间特征）与LiDAR特征通过自适应融合（Adaptive Fusion）结合，并引入动态前景增强机制，在VoD数据集上实现73.30% mAP（全区域）与88.68% mAP（行车通道），尤其对行人（69.67% AP）和骑行者（96.25% AP）检测性能显著提升，验证了运动信息对动态目标检测的有效性。训练时，偏移量损失基于真实对象中心计算，避免定位误差干扰形状优化，显著提升实例分割质量（PQTh提升7.6%）。
盘一盘近期端到端/VLA最热门的10篇论文！
CV_Autobot的博客
06-01 1772
点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『端到端自动驾驶』技术交流群自UniAD引爆端到端自动驾驶的热度以来，近两年无论是学术界还是工业界都把端到端自动驾驶作为主要发力点。2024年，理想汽车率先宣布E2E+VLM快慢双系统架构量产，今年又率先开启了VLA研发量产。各大顶会（CVPR/ICCV/ECCV）的自动驾驶端到端/VLM方向论文数量呈现指数级增长。随着2025年将要过半，近期又涌现出很多优秀的工作。为此，自动驾驶之心联合业内一线算法
CVPR 2025 | 自动驾驶论文总结
CV_Autobot的博客
05-10 2336
题目：GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving。题目：GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving。
李弘扬团队最新！SimScale：显著提升困难场景的端到端仿真框架，NavSim新SOTA
最新发布
CV_Autobot的博客
12-04 722
值得一提的是，性能较弱的基线模型（如LTF和DiffusionDrive）获益最为明显，性能提升超过20%，这表明结合本文仿真数据的虚实协同训练，能有效帮助模型更好地挖掘数据集信息，释放其潜在的学习能力。为全面评估仿真数据的效果，本文考虑了三种不同模型规模的端到端规划器，即回归类方法的LTF、扩散模型类规划器的DiffusionDrive，以及词汇评分类的GTRSDense。本文的全自动可扩展仿真数据生成框架，能够在固定真实数据量的前提下，通过逐步添加非重叠的仿真样本，实现训练数据总量的扩展。
文档解析新SOTA！MinerU新版本创新「由粗到细」两阶段解析策略；S2S领域基准首发！腾讯最新基准数据集评测语音模型能力
HyperAI超神经
10-20 779
HyperAI 超神经为大家整理了 10.13-10.17 期间一系列极具价值且应用广泛的教程和数据集，涵盖生物医学、视频生成、语言理解、文本识别等多个领域~
端到端自动驾驶新突破！SparseAD：统一检测、跟踪、建图、规划！开源！超越UniAD！...
3D视觉工坊
04-16 137
点击下方卡片，关注「3D视觉工坊」公众号选择星标，干货第一时间送达来源：3D视觉工坊添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程（星球成员免费学习）、最新顶会论文、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项目、搞科研，欢迎扫...
51c多模态~合集6
whaosoft~aiotの开发板商城
06-02 1427
（a）我们通过预处理和过滤原始视频构建交错视频数据，然后使用从大型 VLM 的有限输出中提炼出的小型 VLM 生成基于时间的字幕。（b）对于网络数据，基于 OmniCorpus [39] 进行构建，并执行两阶段主题选择，然后进行质量过滤和字幕生成，以生成结构化序列​。不同数据比例的损失曲线，消融实验在 1.5B LLM 上进行。​：生成数据采样比例优化至80%（vs理解数据20%），通过损失曲线分析确定最优混合比例（图5）。，使用分层学习率（生成任务lr=3e-5，理解任务lr=1e-5）缓解优化冲突。
51c多模态~合集7
whaosoft~aiotの开发板商城
07-23 1108
然而，当前的“选手”们普遍存在一个痛点：为每一种模态数据（如光学图像、SAR图像）都训练一个独立的“大脑”（骨干网络），不仅造成了大量的参数冗余，也限制了模型对多源信息融合利用的效率。它通过一个统一、高效、强大的架构，成功地解决了当前MM-RSFM面临的核心挑战，为构建“一模通万物”的遥感AI系统迈出了坚实的一步。多模态遥感基础模型（MM-RSFM）旨在通过在一个庞大的、多来源的数据集上进行预训练，学习到通用的、可迁移的遥感知识，然后将其应用于各种下游任务（如地物分类、目标检测、变化检测等）。
字节跳动智能创作团队多篇论文入选 CVPR 2022
字节跳动技术团队官方博客
04-13 8827
动手点关注干货不迷路????日前，CVPR 2022 官方公布了接收论文列表，来自字节跳动智能创作团队的 12 篇论文被 CVPR 收录，包含 1 篇 Oral（口头演讲论文）。CVPR 全称 IEEE 国际计算机视觉与模式识别会议（IEEE Conference on Computer Vision and Pattern Recognition），该会议始于 1983 ...
51c自动驾驶~合集41
whaosoft~aiotの开发板商城
12-17 1548
现有激光雷达语义分割的SOTA方法通常包含专门为机械旋转激光雷达设计的归纳偏置。这限制了模型在其他类型激光雷达技术中的通用性，并使超参数调整变得更加复杂。为了解决这些问题，上海交通大学团队提出了一种通用的框架SFPNet，用稀疏焦点机制代替窗口注意力机制，以适应市场上流行的各种类型的激光雷达。SFPNet能够提取多层上下文信息，并使用门控机制动态聚合不同层次的信息。作者还提出了一种针对工业机器人应用场景的新型混合固态激光雷达语义分割数据集S.MID。
CheesyFabric_deepdive_analyst_7984_1764666209192.zip
12-03
CheesyFabric_deepdive_analyst_7984_1764666209192.zip
【卫星抗干扰】一种用于全球导航卫星系统反欺骗的空时融合方法【附MATLAB代码】.rar
12-03
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
遗传算法重新配置配电网络（IEEE 33和69总线系统.zip
12-03
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
windows下定期自动清空某个文件夹（比如在公司电脑上定期清空微信的聊天记录）
12-03
windows下定期自动清空某个文件夹（比如在公司电脑上定期清空微信的聊天记录）
网络爬虫基于Python的豆瓣电影Top250数据采集：使用Requests与BeautifulSoup实现网页内容解析
12-03
内容概要：本文通过一个简单的Python爬虫实例，演示了如何使用requests库发送HTTP请求，获取豆瓣电影Top250页面的数据，并利用BeautifulSoup解析HTML内容，提取出中文电影名称。代码实现了基本的网页抓取与数据清洗流程，包括设置请求头模拟浏览器行为以应对简单反爬机制、解析响应文本以及过滤非中文片名，最终输出纯净的电影标题列表。; 适合人群：具备Python基础语法知识，对网络爬虫感兴趣的初学者或刚入门的数据采集学习者；适合学习Web数据获取的基本流程和技术栈。; 使用场景及目标：①学习如何使用requests发起网络请求并携带请求头信息；②掌握BeautifulSoup进行HTML结构化解析的方法；③理解网页内容提取与数据过滤的基本逻辑，为后续深入学习爬虫框架（如Scrapy）打下基础。; 阅读建议：建议读者在本地环境中配置好相关库（requests、BeautifulSoup），动手运行并调试代码，尝试修改选择器或目标网站以加深理解，同时注意遵守网站的robots协议，合理控制请求频率。
基于粒子群优化算法的p-Hub选址优化（Matlab代码实现）
12-03
内容概要：本文介绍了基于粒子群优化算法（PSO）的p-Hub选址优化问题的研究与实现，重点解决在考虑不确定性因素下的集群式物流或交通网络中枢纽节点（Hub）的选址优化问题。通过构建数学模型，结合Matlab编程实现粒子群算法对p-Hub选址问题进行求解，旨在最小化网络总体运输成本并提升系统效率。文章涵盖了问题建模、算法设计、参数设置及仿真结果分析全过程，展示了PSO在复杂组合优化问题中的应用能力。; 适合人群：具备一定运筹学、优化算法基础，熟悉Matlab编程，从事物流网络设计、智能算法研究或交通系统优化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标：①掌握p-Hub选址问题的基本理论与建模范式；②学习如何基于粒子群优化算法的p-Hub选址优化（Matlab代码实现）将粒子群优化算法应用于实际网络优化问题；③通过Matlab代码实现理解智能优化算法的编码流程与调参技巧；④为物流、通信、航空等枢纽网络设计提供解决方案参考。; 阅读建议：建议读者结合文中提供的Matlab代码逐行理解算法实现细节，尝试调整参数或引入其他改进策略（如自适应权重、混合算法）以提升优化性能，同时可扩展至带容量约束、多分配或多目标的Hub选址问题进行深入研究。
（41页PPT）某高校智算中心解决方案.pptx
12-03
（41页PPT）某高校智算中心解决方案.pptx
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值