arXiv · cs.AI · Seungjun Yu, Jiho Choi, Inha Kang, Hojun Choi, Seungwook Kim, Hyunjung Shim · 7 小时前模型评分41
扩散驾驶VLA的场景自适应读出与解码框架
Scene-Adaptive Readout and Decoding in Diffusion Driving VLAs
导读
针对扩散驾驶视觉-语言-动作模型（VLA，Vision-Language-Action）在每个去噪阶段重复执行主干导致推理开销大的问题，研究者提出场景自适应读出与解码框架：单次主干前向传播后，用场景条件读出混合专家（MoE，Mixture of Experts）加权组合后层轨迹预测，仅在场景需要时追加原生细化。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：交通与物流
事件类型：研究发布
证据摘录
- “Based on these observations, we propose a scene-adaptive readout and decoding framework.”
来源：arXiv · cs.AI · arxiv.org