粗到细生成

统一语言-动作理解与生成用于自动驾驶

Unifying Language-Action Understanding and Generation for Autonomous Driving

把语言与动作 token 统一进共享离散码本、并用轨迹生成描述文本的辅助理解目标，是可直接迁移到其他 VLA/具身策略学习中的对齐手段；C2F 两步粗到细解码则为自回归动作生成提供了可复用的加速范式。