arXiv cs.AI· Minkyoung Cho, Zewei Zhou, Wenhao Ding, Shuhan Tan, Boyi Li, Yuxiao Chen, Yan Wang, Zheng Lian, Min-Hung Chen, Chaowei Xiao, Zhuoqing Mao, Boris Ivanovic, Marco Pavone, Yulong Cao·· 10 天前AI 评分22
GroundAct：面向自动驾驶物理智能的 grounded planning 新框架
Grounding What Shapes the Plan: Rethinking Groundedness for Physical Intelligence in Autonomous Driving
AI 导读
研究团队提出 GroundAct，将物理实体作为 grounding 单元，用轻量 reference token 保持每个被选实体连续状态可寻址，仅由被引用实体与演化方案的交互来修正规划，形成从推理依据到规划动作的显式路径。在开环与闭环评测中，GroundAct 在正常、分布外及安全关键场景下均展现出较强的规划能力，闭环结果进一步在仿真驾驶中得到验证。
正文 · AI 翻译
作者：Minkyoung Cho、Zewei Zhou、Wenhao Ding、Shuhan Tan、Boyi Li、Yuxiao Chen、Yan Wang、Zheng Lian、Min-Hung Chen、Chaowei Xiao、Zhuoqing Mao、Boris Ivanovic、Marco Pavone、Yulong Cao
摘要：驾驶模型越来越多地将推理建立在因果关系、空间结构、感知证据和预测的未来之上。这些进展使推理更忠实于驾驶场景，但留下了一个根本问题未解决：当模型最终输出动作时，接地性应当意味着什么？正确接地的推理本身并不能确保理想的驾驶结果。我们提出 GroundAct，它始于一个简单前提：驾驶通过物理实体及其交互展开。因此实体成为接地的单位；一个轻量级引用令牌使每个被选实体的连续状态在符号推理过程中保持可寻址；只有被引用实体与不断演化的方案的交互才会修正该方案。其结果是一条从推理所接地之物到方案所做之事的明确路径，我们称之为接地规划。为评估其实际价值，我们在开环和闭环设置中评估 GroundAct。GroundAct 在正常、分布外和安全关键场景中展现出强大的开环规划能力，闭环结果将这一证据扩展到仿真驾驶中。
| 评论： | 20 页；项目网站：此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.07521 [cs.AI] |
| （或 arXiv:2610.07521v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07521 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Minkyoung Cho [查看电子邮件]
[v1]
2026 年 10 月 5 日星期一 23:39:38 UTC（3,036 KB）
来源：arXiv cs.AI · arxiv.org