自动驾驶VLA技术交流群成立了（数据/模型/部署等方向）

最新推荐文章于 2025-11-05 08:02:06 发布
转载 最新推荐文章于 2025-11-05 08:02:06 发布 · 89 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247676420&idx=4&sn=f230b41eb2a9555ef3e53e7fb2d3724a&chksm=cfbe1114a099143feec04a809ab166efbf6805aef8382425a01a06c4905d769acae084d4045c&scene=126&sessionid=0

自动驾驶之心大模型VLA技术交流群成立了，欢迎大家加入一起交流VLA相关的内容：包括VLA数据集制作、一段式VLA、分层VLA、基于大模型的端到端方案、基于VLM+DP的方案、量产落地、求职等内容。

感兴趣的同学欢迎添加小助理微信进群：AIDriver005，备注：昵称+VLA加群。

全球首个自动驾驶VLA综述重磅发布：VLA自驾模型全面拆解（麦吉尔&清华等）
CV_Autobot的博客
07-03 1884
这为训练和评估模型的解释能力提供了宝贵的“标准答案”，被。它覆盖了广泛的“野生”驾驶情境，并提供了独特的评估协议，该协议基于人类偏好的驾驶决策来为VLA模型打分，填补了传统感知评估套件的空白。然而，新的挑战也随之浮现：如何高效索引城市规模的记忆库，如何将LLM的复杂推理控制在30Hz的控制循环内，以及如何对这种由语言调节的策略进行形式化验证。这四个阶段清晰地展示了语言在自动驾驶系统中角色和能力的演进：从一个被动的“解释者”，逐步成长为主动的“规划者”，最终演变为具备高级推理能力的“决策核心”。
港科最新！DSDrive：基于统一推理和规划的轻量端到端自动驾驶大语言模型~
CV_Autobot的博客
05-19 1060
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『多模态大模型』技术交流群论文作者 | Wenru Liu等编辑 | 自动驾驶之心近两年，端到端的技术方案，已经较为成熟，而恰好大语言模型的发展也十分迅速。二者的结合也正在如火如荼地被研究。本质上，LLMs有效地解决了传统E2E AD框架的局限性，即缺乏对驾驶任务的真正理解和可解释性。这是因为LLMs通过其认知处理能力和语言生成能力提供了有吸引力的解决方案。前者使驾驶任务能够进行细致的情境推理，而后者
自动驾驶之心VLA技术交流群成立了~（数据/模型/部署等方向）
CV_Autobot的博客
08-02 85
自动驾驶之心VLA技术交流群成立了，欢迎大家加入一起交流VLA相关的内容：包括VLA数据集制作、一段式VLA、分层VLA、基于大模型的端到端方案、基于VLM+DP的方案、量产落地、求职等内容。感兴趣的同学欢迎添加小助理微信进群：AIDriver005，备注：昵称+VLA加群。
VLA和World Model世界模型，哪种自动驾驶路线会胜出？
CV_Autobot的博客
09-05 1123
换句话说，VLA没有智慧，它只是在模仿，只是记忆力比较好，而世界模型拥有智慧，拥有对物理世界的理解，能够推导出因果关系，能做到零样本学习，无需标注的数据。其次是token化的视觉或点云难以表达物理世界的全部信息，理论上世界模型泛化能力很强，具备因果推理，但还是受限于传感器的信息，物理世界不只有视觉，视觉也不是像摄像头这样，有帧率，有FOV，人眼类似于事件相机，只在意有价值的信息，而目前摄像头和激光雷达做不到。世界模型和VLA，VLA大概率胜出，不过这个VLA不是纯粹VLA，是结合了世界模型增强的VLA。
CoVLA：自动驾驶VLA数据集~
CV_Autobot的博客
03-30 398
测试了CoVLA的效果，可视化看起来使用GT caption的轨迹（蓝线）比使用预测caption的轨迹（红线）离GT（绿线）更远，说明好的caption对预测有辅助作用。文章统计了每个关键字对应的指标，发现以下关键字的轨迹误差较大，减速、左转、加速、弯道、右转，符合直觉。数据集依然存在不均衡的问题：自车静止和方向盘0度占据了数据集的绝大多数，数据不均衡现象十分严重。的驾驶视频构建了CpVLA数据集，包含详尽的传感器信息和全自动生成的语言文本描述。针对VLM的自动驾驶领域的数据集数据量较少，本文采集了。
8万条！清华开源VLA数据集：面向自动驾驶极端场景，安全提升35%
CV_Autobot的博客
07-23 329
为探究第二个核心问题——即Impromptu VLA数据集具体提升自动驾驶哪些能力维度（感知/预测/规划），以及验证集作为诊断基准的效能——利用其规划导向的问答任务展开诊断评估套件：通过面向特定任务场景的对比方法，评测基础视觉-语言模型（VLM）与基于本数据集调优版本的性能差异。将描述文本精炼为有效的非结构化挑战类别：首先通过编程化识别滤除常规驾驶场景，执行基于视觉-语言模型（VLM）的二次分类——利用精心设计的提示词指令，使Qwen2.5-VL作为场景分类器评估原始描述是否属于非常规案例。
小鹏最新！NavigScene：全局导航实现超视距自动驾驶VLA（ACMMM‘25）
CV_Autobot的博客
07-15 1164
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>>自动驾驶前沿信息获取→自动驾驶之心知识星球论文作者 | Qucheng Peng等编辑 | 自动驾驶之心自动驾驶系统在基于局部视觉信息的感知、预测和规划方面取得了显著进展，但它们难以整合人类驾驶员通常使用的更广泛的导航背景。为此，小鹏汽车的团队提出了NavigScene，期望解决局部传感器数据与全局导航信息之间的关键差距，NavigScene是一种辅助的导航引导自然语言数据集，可在自主驾驶系统中模拟类人驾驶环境。此外开发了
自动驾驶论文速递！VLA、世界模型、强化学习、轨迹规划等......
CV_Autobot的博客
10-18 395
首个面向 3D 户外语义场景生成的大规模草图驱动基准数据集，包含 “基于草图的 SemanticKITTI” 和 “基于草图的 KITTI-360” 两个子集，整合手绘草图、卫星图像、伪标注、语义标签关键词及 3D 真值（GT），支持标准化评测与公平对比，且在场景数量、体素分辨率、语义类别数上均优于现有 BEV-based 数据集（如 NuScenes）。采用 “监督微调（SFT）+ 强化学习微调（RL，基于 DAPO 算法）” 两阶段训练，使模型具备跨视觉 - 符号上下文的轨迹判优能力。
自动驾驶是否一定需要语言模型？
CV_Autobot的博客
11-05 85
这场路线之争的本质，并非技术对错的判定，而是行业在 “当下可行性” 与 “未来可能性” 之间的理性选择 —— 随着算力成本的降低与模型效率的提升，语言模型的抽象优势很可能终将跨越算力消耗的门槛，成为高阶自动驾驶的核心支柱。而 VLA 则遵循 “具身智能” 的认知逻辑，将视觉编码器提取的环境特征（如道路标线、行人状态）转化为 “视觉 Token”，再与语言模型的语义知识进行对齐融合 —— 例如将 “无信号路口左转遇来车” 的场景转化为 “需减速让行” 的语言化推理，最终通过策略模块生成控制指令。
首创GRPO方案！AlphaDrive：VLM+RL破解自动驾驶长尾难题
CV_Autobot的博客
03-14 1498
一些研究将视觉-语言模型（VLMs）集成到自动驾驶中，但它们通常依赖于预训练模型，并在驾驶数据上进行简单的监督微调（SFT），没有进一步探索专门为规划设计的训练策略或优化方法。本实验中，我们同样观察到，经过GRPO-based RL训练后，AlphaDrive展现出多模态规划能力，可生成多组合理驾驶方案，为提升驾驶安全与效率提供了可能。然而，现有工作多依赖预训练模型与简单SFT，缺乏针对规划的训练策略探索，需进一步将RL与推理技术引入自动驾驶领域。然而，端到端模型因缺乏常识与推理能力，仍难以应对长尾场景。
端到端新SOTA！DiffE2E：Diffusion重塑端到端自动驾驶
CV_Autobot的博客
06-04 804
论文中提出了一个创新的端到端自动驾驶框架DiffE2E，该框架整合了基于Transformer的混合扩散-监督解码器，并引入了协作训练机制，有效地结合了扩散策略和监督策略的优势。在CARLA闭环测试和NAVSIM非反应式模拟中，DiffE2E均取得了领先的性能，平衡了交通效率和安全性，同时展现了出色的泛化能力。图3展示了在一个典型的右转场景中的比较。这种全局条件整合机制将目标点信息和时间步嵌入整合到感知特征中，增强了模型对导航目标的感知能力，并使特征表示能够在去噪过程中动态调整，以实现更精确的轨迹生成。
迈向以人为中心的自动驾驶：LLM与RL结合的快慢架构（同济大学）
CV_Autobot的博客
05-14 1031
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『大语言模型』技术交流群论文作者 | Chengkai Xu等编辑 | 自动驾驶之心自动驾驶通过数据驱动技术取得了显著进展，在标准化任务中实现了稳健的性能。然而，现有方法经常忽视用户特定的偏好，与用户互动和适应的空间有限。为解决这些挑战，我们提出了一种“快慢”决策框架，该框架结合了用于高层指令解析的大型语言模型（LLM）和用于低层实时决策的强化学习（RL）代理。在这一双系统中，LLM作为“慢”模块运行
STM32+MAX7219数码管模块显示程序 SPI接口
12-02
提供了基于STM32F4xx系列的MAX7219数码管模块显示程序，通过SPI串行总线进行通信，使用库函数进行编程。经过实际测试，该程序能够正常驱动数码管进行显示。 特点 基于STM32F4xx系列MCU 使用SPI串行总线通信 采用库函数编程 实测能正常驱动MAX7219数码管模块显示
基于大疆M100无人机平台的自主导航与智能决策系统开发项目_该项目专注于在复杂动态环境中实现无人机的实时障碍物感知与规避以及高效全局与局部路径规划算法的集成与优化核心内容包括利.zip
12-02
基于大疆M100无人机平台的自主导航与智能决策系统开发项目_该项目专注于在复杂动态环境中实现无人机的实时障碍物感知与规避以及高效全局与局部路径规划算法的集成与优化核心内容包括利.zip
Turbo 码编码及解码仿真程序(Matlab)
12-02
Turbo 码编码及解码仿真程序(Matlab)
【改进灰狼算法】基于记忆、进化算子和局部搜索的改进灰狼优化算法及线性种群规模缩减算法（Matlab代码实现）
最新发布
12-02
内容概要：本文提出了一种基于记忆机制、进化算子和局部搜索策略的改进灰狼优化算法，并结合线性种群规模缩减策略以提升算法收敛速度与全局搜索能力。该算法通过引入记忆模块保存优质个体信息，利用进化算子增强种群多样性，同时采用局部搜索机制提高寻优精度，有效克服了传统灰狼算法易陷入局部最优、收敛速度慢等问题。文中详细阐述了算法的设计思路、实现步骤及关键参数设置，并提供了完整的Matlab代码实现，便于读者复现与应用。实验部分验证了改进算法在多个标准测试函数上的优越性能，展示了其在优化问题中的潜力。; 适合人群：具备一定智能优化算法基础，熟悉Matlab编程，从事科研或工【改进灰狼算法】基于记忆、进化算子和局部搜索的改进灰狼优化算法及线性种群规模缩减算法（Matlab代码实现）程优化相关工作的研究生、科研人员及技术人员； 使用场景及目标：①解决复杂优化问题如函数优化、参数调优、工程设计优化等；②学习灰狼算法的改进思路与实现方法，掌握智能算法的性能提升策略； 阅读建议：建议结合Matlab代码逐行理解算法实现过程，重点关注记忆机制、进化操作与局部搜索的融合方式，并通过实验对比分析改进策略的有效性。
基于ROS的机器人运动规划与路径搜索算法实现工作空间_包含A星Dijkstra等经典与优化算法在二维三维栅格地图中的高效路径规划与避障实现结合RVIZ可视化插件进行实时路径动态障碍.zip
12-02
基于ROS的机器人运动规划与路径搜索算法实现工作空间_包含A星Dijkstra等经典与优化算法在二维三维栅格地图中的高效路径规划与避障实现结合RVIZ可视化插件进行实时路径动态障碍.zip
基于OpenStreetMap开源地理数据与OSRM高性能路由引擎的跨平台智能路径规划系统_集成多模式交通网络分析实时交通流量预测动态避障与多目标优化算法的综合性导航解决方案_.zip
12-02
基于OpenStreetMap开源地理数据与OSRM高性能路由引擎的跨平台智能路径规划系统_集成多模式交通网络分析实时交通流量预测动态避障与多目标优化算法的综合性导航解决方案_.zip
这是一个针对自动驾驶与机器人路径规划领域的开源项目专注于对经典HybridA算法在ROS机器人操作系统框架下的实现代码进行详尽的中文注释与解析_项目核心是对KarlKu.zip
12-02
这是一个针对自动驾驶与机器人路径规划领域的开源项目专注于对经典HybridA算法在ROS机器人操作系统框架下的实现代码进行详尽的中文注释与解析_项目核心是对KarlKu.zip
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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