ColaVLA：自律走行における認知潜在推論

Paper#Autonomous Driving, Vision-Language Models, Trajectory Planning🔬 Research|分析: 2026年1月3日 19:25•
公開: 2025年12月28日 14:06
•
1分で読める
•ArXiv

分析

本論文は、VLM（Vision-Language Model）ベースの自動運転における主要な課題、具体的には、離散的なテキスト推論と連続的な制御のミスマッチ、高いレイテンシ、非効率な計画に対処しています。 ColaVLAは、認知潜在推論を活用して、軌道生成の効率性、精度、安全性を向上させる新しいフレームワークを導入しています。 統一された潜在空間と階層的並列計画の使用は、重要な貢献です。
引用・出典
原文を見る
"ColaVLA achieves state-of-the-art performance in both open-loop and closed-loop settings with favorable efficiency and robustness."
A
ArXiv2025年12月28日 14:06
* 著作権法第32条に基づく適法な引用です。
古い記事

Heterogeneity in Multi-Agent Reinforcement Learning

新しい記事

Fast and accurate Fe-H machine-learning interatomic potential for elucidating hydrogen embrittlement mechanisms

関連分析

Paper

選択ポリシーを用いた協調型人型ロボット操作

2026年1月3日 06:10

Paper

未ポーズ画像からの即時3Dシーン編集

2026年1月3日 06:10

Paper

将来予測のためのLLMフォアキャスティング

2026年1月3日 06:10

原文: ArXiv