Tag · 6 篇
端到端自动驾驶
WPT：通过在线世界模型蒸馏实现从世界模型到策略的迁移
WPT: World-to-Policy Transfer via Online World Model Distillation
对做视觉驱动决策的研究者，可复用其「世界模型在线蒸馏到轻量学生策略」的范式：用世界模型预测的未来动力学构造奖励信号训练教师策略，再蒸馏为学生策略，从而在保持实时推理的同时获得世界模型的规划收益。
SGDrive：面向自动驾驶的场景到目标分层世界认知
SGDrive: Scene-to-Goal Hierarchical World Cognition for Autonomous Driving
把通用 VLM 的表征按 scene-agent-goal 层级显式结构化，为视觉研究者提供了一种将通用视觉语言特征适配到具身决策任务的表征组织范式，可直接借鉴到需要时空推理的规划类任务。
面向端到端自动驾驶的潜变量思维链世界建模
Latent Chain-of-Thought World Modeling for End-to-End Autonomous Driving
把思维链从自然语言搬到与动作同词表的潜空间，并用学习到的潜世界模型 token 表达未来结果，为视觉端到端驾驶提供了一种推理更快、可直接接闭环 RL 后训练的推理时推理范式；其『动作对齐潜空间 + 世界模型 token 交错』的结构可迁移到其他视觉-动作序列决策任务。
行驶在寄存器之上
Driving on Registers
用相机感知的 register 词元把多相机 ViT 特征压成紧凑场景表示，再驱动轻量解码器生成并打分候选轨迹；这套「词元压缩 + 可解释子分数评分」的范式可直接迁移到其他需要多视角融合与实时推理的视觉任务。
ColaVLA：利用认知潜变量推理实现自动驾驶中的层级并行轨迹规划
ColaVLA: Leveraging Cognitive Latent Reasoning for Hierarchical Parallel Trajectory Planning in Autonomous Driving
把 VLM 的文本思维链推理迁移到统一潜空间，并用层级并行解码器一次前向输出多尺度轨迹，为视觉研究者提供了「潜变量推理 + 并行轨迹头」这一可复用范式，可显著降低 VLM 规划器的自回归延迟。
ActiveAD：面向规划的端到端自动驾驶主动学习
ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving
提出面向规划任务的主动学习采样策略，通过多样性指标解决冷启动、不确定性指标选择关键样本，可复用于视觉模型训练中的数据高效标注场景。