VITAL：视觉运动驱动的驾驶动作分词器

论文作者提出一种名为 VITAL（Vision-Induced Tokens for Action Learning）的动作分词器，将视觉导出的运动骨架与编码轨迹误差的紧凑残差结合，使视觉运动成为主要预测目标。 据论文表述，该设计让视觉运动承担主要预测任务，残差则用于补偿骨架留下的轨迹误差。目前报道未给出该分词器在具体驾驶任务上的评测结果或应用效果。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。