arXiv cs.AI· Xiyan Su, Finn Rasmus Sch\"afer, Hojun Lim, Frank Diermeyer, Johannes Betz, Markus Lienkamp·· 11 小时前AI 评分27
GuidedWAM：面向自动驾驶世界动作模型的免训练能量引导
GuidedWAM: Training-Free Energy Guidance for World Action Models in Autonomous Driving
AI 导读
GuidedWAM 是一个模型无关框架，可在采样阶段向冻结的 WAM 注入驾驶目标，无需重新训练，仅需对冻结模型做前向访问。在 NAVSIM v2 hard-split 上，该方法让三个已公开的冻结 WAM 平均提升 1.8 至 3.6 EPDMS（三个采样器种子取平均），每步采样时间增加不到 10%。
正文 · AI 翻译
摘要：用于自动驾驶的世界动作模型（WAMs）将驾驶策略与视觉世界模型耦合在单个生成网络中，其目标在训练后即固定。以新的驾驶目标为条件需要重新训练。我们将能量引导作为一种通用机制进行研究，并提出 GuidedWAM，这是一个模型无关的框架，可在采样时将驾驶目标注入冻结的 WAMs。我们的框架将每个目标构建为采样器中间干净动作估计上的可微能量，这仅需要对冻结模型的前向访问，并通过采样时引导调度、逐能量归一化和速度有界校正来稳定。在 NAVSIM v2 困难划分上，引导使三个冻结的公开 WAMs 在三个采样器种子上平均提升 1.8 至 3.6 EPDMS，并且每步采样时间增加不到 10%。这些结果将能量引导定位为 WAMs 的一种实用的训练后控制通道。
| 主题： | 人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2611.07912 [cs.AI] |
| （或 arXiv:2611.07912v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07912 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiyan Su [查看电子邮件]
[v1]
2026年11月5日星期四 12:27:38 UTC（963 KB）
来源：arXiv cs.AI · arxiv.org