Tag · 8 篇
轨迹规划
WAM-Flow：基于离散流匹配的并行粗到细运动规划用于自动驾驶
WAM-Flow: Parallel Coarse-to-Fine Motion Planning via Discrete Flow Matching for Autonomous Driving
将离散流匹配引入端到端自动驾驶轨迹规划，用并行双向去噪替代自回归解码，实现可调计算量的粗到细规划；其度量对齐分词器和几何感知流目标可迁移到其他需要结构化输出的视觉任务。
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。
KnowVal：知识增强与价值引导的自动驾驶系统
KnowVal: A Knowledge-Augmented and Value-Guided Autonomous Driving System
将开放世界感知与交通法规/防御性驾驶知识图谱通过 LLM 检索结合，并用人类偏好训练的价值模型对候选轨迹做可解释打分，可作为视觉端到端规划器中「规则约束+价值对齐」的即插即用评估模块。
GuideFlow：面向端到端自动驾驶规划的约束引导流匹配
GuideFlow: Constraint-Guided Flow Matching for Planning in End-to-End Autonomous Driving
把流匹配生成过程与能量模型联合训练，在采样阶段直接施加显式物理/安全约束，可作为视觉规划器中替代扩散策略、避免轨迹模式坍缩并省去后处理优化阶段的通用生成式规划范式。
E3AD：面向以人为中心的端到端自动驾驶的情感感知视觉-语言-动作模型
E3AD: An Emotion-Aware Vision-Language-Action Model for Human-Centric End-to-End Autonomous Driving
把连续 VAD 情感状态作为条件注入 VLA 驾驶策略，并设计自我中心/异我中心双通路空间融合模块；对做端到端驾驶或指令跟随的研究者，这是一个可复用的「语言意图+情感先验→轨迹」条件化范式与一致性对齐训练流程。
面向人-物交互合成的解耦生成建模
Decoupled Generative Modeling for Human-Object Interaction Synthesis
将 HOI 合成解耦为「轨迹生成 + 动作生成」两阶段，并用关注远端关节动力学的判别器做对抗训练，可复用于人体动作生成与具身控制中的接触真实性问题。
反事实 VLA：具备自适应推理的自反思视觉-语言-动作模型
Counterfactual VLA: Self-Reflective Vision-Language-Action Model with Adaptive Reasoning
把反事实自反思作为 VLA 执行前的推理环节，并配合 rollout-filter-label 数据挖掘管线，可为视觉驱动的端到端规划提供「先想后做」的可复用范式，尤其适合需要安全约束的轨迹生成任务。
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。