本研究提出RAD（Reinforced Autonomous Driving）自动驾驶训练范式，创新性地结合3D高斯溅射技术构建数字孪生世界，并通过强化学习与模仿学习的协同训练突破传统局限。该方法在3DGS数字孪生环境中进行闭环训练，利用强化学习提升安全性，同时以模仿学习正则化保持驾驶行为的人类习惯性。实验表明，RAD相比传统模仿学习方法碰撞率降低3倍，能有效处理复杂危险场景。该范式为端到端自动驾

本文介绍了浙江大学与菜鸟无人车团队提出的自动驾驶轨迹规划方法CarPlanner，该工作被CVPR2025录用。针对传统模仿学习和强化学习在轨迹规划中存在分布漂移、因果混淆等问题，提出基于一致性自回归建模的强化学习框架。核心创新包括：1）引入一致性模式信息解决时间不一致性；2）采用"生成-选择"框架实现多模态轨迹规划；3）设计非反应式转移模型降低计算复杂度。实验表明，在nuPl

摘要：本文记录了解决GLIBCXX版本缺失问题的方法。当运行Python环境时出现"GLIBCXX_3.4.29 not found"错误，通过检查系统libstdc++.so.6文件发现最高仅支持到GLIBCXX_3.4.28。解决方法是通过设置LD_LIBRARY_PATH环境变量，指向包含更新版本libstdc++.so.6的miniforge3安装目录（/root/mi

AI领域当前面临的核心问题是缺乏有效的"世界模型"，而非简单的数据或算力不足。Yann LeCun提出的JEPA（联合嵌入预测架构）为解决这一问题提供了新思路：通过构建抽象表示而非重建所有细节来实现预测，这与物理学中的层级建模思想相通。文章指出生成式方法存在根本局限，而联合嵌入方法在视觉等领域已展现出优势。尽管避免表示空间塌缩的机制尚未完全理解，但DINO等最新成果验证了该方向

本文提出一种基于空间增强循环单元（SRU）的无地图导航算法，通过改进传统RNN的空间记忆能力，结合注意力机制与强化学习，实现仅依赖单目相机的长距离导航。SRU模块通过隐式空间变换解决视角变化导致的信息错位问题，配合PPO算法端到端训练，在仿真环境中相比传统方法提升23.5%-105%性能，并成功实现零样本迁移至真实机器人平台。消融实验验证了SRU、注意力机制和深度噪声模型的关键作用，为无先验地图条

摘要：论文《VLM-UDMC: VLM-Enhanced Unified Decision-Making and Motion Control for Urban Autonomous Driving》提出了一种新型城市自动驾驶框架，通过视觉语言模型（VLM）增强统一的决策和运动控制。该框架整合了视觉语言感知模块（提取场景语义信息）、统一决策模块（生成最优驾驶决策）和运动控制模块（执行车辆控制）。

UniVLA提出了一种创新的跨具身视觉-语言-动作通用策略学习框架，突破了传统具身智能模型的三大局限：通过无监督视频学习减少标注依赖、构建任务中心的隐式动作空间实现跨机器人形态迁移、采用轻量级适配降低部署成本。实验表明，该框架在多个操控和导航基准测试中性能显著优于现有方法，仅用少量数据即可达到SOTA效果，并在真实机器人部署中展现出80%以上的任务成功率与10Hz实时控制能力，为具身智能的通用化发

摘要： 理想汽车2025年财报显示业绩下滑，全年交付40.6万辆，仅完成目标的58%。总营收1123亿元，同比下降22.3%，净利润11.4亿元，暴跌85.8%。毛利率承压（整车17.9%），主要因销量不及预期、行业价格战及高研发投入（113亿元）。纯电车型表现不佳，AI、芯片及机器人研发消耗大量资源。财报反映国内新能源市场竞争激烈，理想激进押注AI的策略面临挑战。文末探讨车企是否需自研自动驾驶，

清华大学联合多家机构提出了一种基于扩散模型的自动驾驶规划方法DiffusionPlanner，发表于ICLR2025。该方法通过扩散模型强大的多模态建模能力，有效捕捉人类驾驶行为，摆脱了对基于规则优化的依赖。关键创新包括：1）将规划重构为未来轨迹生成任务，联合建模自车规划与周边车辆预测；2）基于扩散Transformer架构实现车辆状态、历史数据等多源信息融合；3）利用分类器引导机制实现安全、舒适

本文介绍了浙江大学与菜鸟无人车团队提出的自动驾驶轨迹规划方法CarPlanner，该工作被CVPR2025录用。针对传统模仿学习和强化学习在轨迹规划中存在分布漂移、因果混淆等问题，提出基于一致性自回归建模的强化学习框架。核心创新包括：1）引入一致性模式信息解决时间不一致性；2）采用"生成-选择"框架实现多模态轨迹规划；3）设计非反应式转移模型降低计算复杂度。实验表明，在nuPl