SimWAM：面向端到端自动驾驶的简易世界动作模型
SimWAM是一种面向自动驾驶的世界动作模型，仅在训练阶段使用视频生成。该方法联合训练预训练视频专家模型和轻量级动作专家模型，并通过注意力掩码使轨迹预测不依赖未来视频帧。训练完成后可以移除视频分支，从而得到低延迟的独立规划器。研究人员还使用强化学习优化驾驶奖励，使其超越单纯的轨迹模仿。据论文介绍，SimWAM在NAVSIM上达到91.5 PDMS，超过现有基于世界动作模型的规划器，并可零样本迁移至nuScenes。代码和模型权重已经公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。