Tag · 2 篇
自回归解码
分布 自动驾驶与遥感1强化学习与具身智能1
01 02
Percept-WAM：面向鲁棒端到端自动驾驶的感知增强世界感知-动作模型
Percept-WAM: Perception-Enhanced World-Awareness-Action Model for Robust End-to-End Autonomous Driving
把 2D 检测与 BEV 3D 检测统一编码为 World-PV/World-BEV token 并接入 VLM 自回归解码，为视觉研究者提供了一个可复用的「感知 token 化 + 网格条件预测」范式，可直接迁移到其他需要稠密空间输出的 VLM 任务。
世界之链：潜运动中的世界模型思维
Chain of World: World Model Thinking in Latent Motion
把预训练视频 VAE 显式分解出的结构/运动潜变量当作「潜运动链」来预测，替代逐帧重建未来画面，为视觉研究者提供了一种在潜空间做时序世界建模、并与动作序列联合自回归的紧凑方案，可直接迁移到机器人策略学习与视频预测任务。