HyWorldVLA：面向自动驾驶的混合世界建模视觉-语言-动作模型

英文标题：HyWorldVLA: A Vision-Language-Action Model with Hybrid World Modeling for Autonomous Driving

HyWorldVLA 提出了一种结合混合世界建模的 Vision-Language-Action（VLA）模型，用于端到端自动驾驶。论文认为，融入世界模型的 VLA 架构是自动驾驶的重要发展方向。像素级未来预测能够支持细粒度的时空推理，但在噪声环境下可能削弱系统鲁棒性。该研究旨在通过混合世界建模，在预测精度与自动驾驶决策鲁棒性之间取得更好的平衡。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB