ColaVLA：自律走行における認知潜在推論

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。

• •統一されたビジョン-言語-アクションフレームワークであるColaVLAを提案。
• •テキスト推論と連続制御のギャップを埋めるために、認知潜在推論を使用。
• •効率的な階層的並列軌道デコーダを採用。
• •nuScenesベンチマークで最先端のパフォーマンスを達成。