DA-WAM：决策对齐的未来潜变量驾驶世界模型

Ruiguo Zhong 等作者提出 DA-WAM，将 JEPA 与候选级轨迹打分结合：为每条候选轨迹生成独立的未来潜变量，再用多头打分器估计规划因素与整体效用。作者称，该方法在 NAVSIM-v1、NAVSIM-v2 和 Bench2Drive 上取得基于摄像头的学习型规划器中的 SOTA 表现。 针对几何相似但安全结果不同的轨迹，作者采用安全关键后训练与 hard negatives，称其进一步提升了区分能力。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。