ColaVLA：用于自动驾驶的认知潜在推理

本文解决了基于VLM的自动驾驶中的关键挑战，特别是离散文本推理与连续控制之间的不匹配、高延迟和低效规划。 ColaVLA 引入了一个新颖的框架，利用认知潜在推理来提高轨迹生成的效率、准确性和安全性。 使用统一的潜在空间和分层并行规划是一项重大贡献。

• •提出了 ColaVLA，一个统一的视觉-语言-动作框架。
• •使用认知潜在推理来弥合文本推理和连续控制之间的差距。
• •采用分层并行轨迹解码器以提高效率。
• •在 nuScenes 基准测试中实现了最先进的性能。