本文提出反事实视觉-语言-动作模型（CF-VLA），这是一种具备自反思能力的VLA框架，能够让模型在执行动作前对规划动作进行推理和修正。元动作序列示例见图5。本节将介绍反事实视觉-语言-动作模型（CF-VLA），该模型为VLA配备了自反思循环，能够对自身预测的动作进行推理，并利用该推理结果修正规划。3）推理质量：元动作IOU（Meta-Action IOU）衡量预测元动作与真实元动作在64×3个区

点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近30个方向学习路线>>自动驾驶前沿信息获取→自动驾驶之心知识星球论文作者 |Yulong Cao等编辑 | 自动驾驶之心英伟达许久不见自动驾驶方向的论文工作，昨天直接放了个大招，难得啊。。。一篇长达41页的自动驾驶VLA框架 — Alpamayo-R1。Alpamayo-R1指出基于模仿学习的端到端架构，在长尾场景中的表现能力很差，这

就比如我是个人开发者，我现在买台G1-D回家，就自己在家通过遥控采集数据，采集完了以后，宇树居然还提供现成的模型还有训练平台！现在随着π0.5、gen0出来，你会发现大家早就不满足看叠衣服了，要看你连续规划的能力，看你自主对话并做出肢体反馈的能力。市场上有不少二道贩子，专门买了G1来做租赁，做跳舞表演，各大商场巡回演出，主要是满足用户的好奇心。放在25年底，你拿个叠衣服的VLA demo出来，根本

作者|张小白编辑| 自动驾驶之心原文链接：https://zhuanlan.zhihu.com/p/21823562679点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『大模型』技术交流群本文只做学术分享，如有侵权，联系删文1、背景参考m.aitntnews.com/newDetail.html?newId=1...

点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『多模态大模型』技术交流群论文作者 | Xinmeng Hou等编辑 | 自动驾驶之心论文题目: DriveAgent: Multi-Agent Structured Reasoning with LLM and Multimodal Sensor Fusion for Autonomous

作者|量子位编辑| 量子位点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『大模型』技术交流群本文只做学术分享，如有侵权，联系删文如果把DeepSeek-R1震撼硅谷的深度推理表现，运用到多模态场景，那会怎样？此前DeepSeek自家的Janus-Pro-7B没有结合推理能力，但现在，国内有研究团队先做到了——基...

作者|新智元编辑| 极市平台点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『大模型』技术交流群本文只做学术分享，如有侵权，联系删文导读天才极客微调PTX，让GPU性能极致发挥。DeepSeek 最近发布的两个模型 —— DeepSeek-V3 和 DeepSeek-R1 以很低的成本获得了比肩 OpenAI...

其二，关于LLM辅助的融合方式：不同于刚性的二元激活，AdaDrive引入自适应融合策略，根据场景复杂度与预测置信度，对LLM的影响进行连续的强度调节，实现与传统规划器的无缝协作。如图2所示，与传统将指令理解和轨迹预测糅杂在大语言模型中的设计不同，本文提出的AdaDrive将这两个过程解耦，以不同的激活频率并行运行。图5(c)进一步表明，本文的方法在驾驶性能和计算效率之间实现了最优平衡，与连续激活

大模型、VLA、端到端、数据闭环、自动标注、BEV、Occupancy、多模态融合感知、传感器标定、3DGS、世界模型、在线地图、轨迹预测、规划控制。我是天南，行业8年技术专家，又有5年的行业研究经验，技术&产业全栈专家。将建年产 100 万台擎天柱生产线，最终 Optimus 产量约 1000 万台，远期Optimus 或达 5000 万 - 1 亿台。中表示，Optimus 人形机器人可能成为

最终的5.7T训练过程也是波折不断，比如模型中有两个A_log，bias参数，一开始训的时候是保持的bf16，整个阶段虽然没炸，但一直都在上涨，让人很担心，后来训练中途切到了fp32，发现这两个vector的max value 飞速下降，这才意识到对于这些关键参数保持fp32是非常必要的，但是我们是中途切换，有多大的影响呢？而 Kimi Linear 的核心设计原则，第一主要采用Linear At