Cartender用未选择驾驶分支提升指令遵循

Zhiwen Chen 等提出 Cartender 方法，通过 Counterfactual Branching 从真实行车记录中构造匹配与不匹配的指令-动作对，无需仿真器：视觉-语言模型提出替代未来及其选择指令，不被场景支持的指令作为负样本。 在 WOD-E2E 上，四个候选中最佳方案在 3,603 个可行指令条件下取得 RFS 8.642；与相同骨干网络的仅匹配模仿相比，Cartender 将同场景配对指令成功率从 23.67% 提升至 57.00%，RFS 从 6.32 提升至 7.10。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。