Tag · 6 篇
轨迹生成
面向基于大语言模型的运动轨迹生成与验证的自一致性方法
Self-Consistency for LLM-Based Motion Trajectory Generation and Verification
把自一致性从文本推理迁移到视觉域：用「原型轨迹 + 几何变换群」定义形状族，通过聚类一致轨迹来提升 LLM 生成运动轨迹的准确率，并可作为 VLM 轨迹验证的免训练后处理手段。
PlannerRFT：通过闭环与样本高效微调强化扩散规划器
PlannerRFT: Reinforcing Diffusion Planners through Closed-Loop and Sample-Efficient Fine-Tuning
对做扩散策略/规划的研究者，这篇给出一种在推理管线不变的前提下，用双分支优化同时精修轨迹分布并引导去噪探索的强化微调范式，可直接迁移到机器人操作或视觉导航中的扩散策略后训练。
MeanFuser：基于MeanFlow的快速单步多模态轨迹生成与自适应重建用于端到端自动驾驶
MeanFuser: Fast One-Step Multi-Modal Trajectory Generation and Adaptive Reconstruction via MeanFlow for End-to-End Autonomous Driving
MeanFlow Identity 用平均速度场替代瞬时速度场，消除 ODE 求解误差并实现单步推理，这一思路可迁移到视觉生成任务（如扩散/流匹配加速）；GMN 提供连续轨迹表示，避免离散锚框词表，对需要多模态输出的规划问题有参考价值。
LAMP：语言辅助的运动规划用于可控视频生成
LAMP: Language-Assisted Motion Planning for Controllable Video Generation
用 LLM 做程序合成，把自然语言解析成显式 3D 轨迹（物体运动 + 相机轨迹），再作为视频生成的运动条件；这种「语言→结构化运动程序→确定性轨迹」的中间表示，可复用于任何需要精确运动控制的可控视频生成或相机运镜合成。
DynBridge：通过交互动力学桥接想象与控制以实现机器人操作
DynBridge: Bridging Imagination and Control through Interaction Dynamics for Robot Manipulation
把「动作—环境」的双向耦合显式建模为交互动力学表示，并用它桥接未来视觉想象与可执行动作预测；对做视觉-动作联合建模、视觉预测驱动策略的研究者，这是一个可复用的共享动力学表征与动作条件聚合思路。
DeRVOS：解耦一致轨迹生成与多模态理解用于指代视频目标分割
DeRVOS: Decoupling Consistent Trajectory Generation and Multimodal Understanding for Referring Video Object Segmentation
将 RVOS 解耦为预训练实例轨迹生成与多模态理解两个分支，并用 TAIS 模块做跨帧对齐与隐式轨迹选择，为视频分割中轨迹一致性与语言对齐的分离建模提供了可复用范式。