AUGUstus: Autonomous Driving VLA Model with Unified Generation and Understanding

Đoạn trích bài viết

Các mô hình Vision-Language-Action (VLA) cho thấy tiềm năng mạnh mẽ cho việc lái xe tự động từ đầu đến cuối bằng cách tận dụng kiến thức và hiểu biết thế giới để vượt trội trong các kịch bản đuôi dài. Tuy nhiên, các VLA hiện tại có hai hạn chế: 1) Sự biến đổi thành mô hình hoạt động thị giác (VA).