原创力文档- 1
- 0
- 约3.66千字
- 约 21页
- 2026-10-08 发布于江苏
- 举报
提纲 OUTLINES一、范式变革：基于多模态大模型的自动驾驶技术二、世界模型驱动的一段式端到端解决方案可望获得突破三、发展趋势：从感知智能到认知智能清华大学人工智能研究院视觉智能研究中心VisualIntelligenceResearchCenter(VIRC),InstituteforArtificialIntelligence,TsinghuaUniversity
提纲 OUTLINES一、范式变革：基于多模态大模型的自动驾驶技术二、世界模型驱动的一段式端到端解决方案可望获得突破三、发展趋势：从感知智能到认知智能清华大学人工智能研究院视觉智能研究中心VisualIntelligenceResearchCenter(VIRC),InstituteforArtificialIntelligence,TsinghuaUniversity
VLA融合了感知空间与动作空间，给出了两个空间与三大任务：两大空间：从感知或观察空间到动作空间，还是从动作空间到感知空间？两个空间之间的单段式或单模型一体化相互作用；三个下游微调模型，即三大任务：具身理解、具身推理与具身动作生成大模型；基于上述三大微调模型，可优化训练更多的下游微调模型本质上将VLM面向数字空间的理解与生成推向了面向物理世界的理解与生成！感知空间动作空间决策推理或策略1、多模态大模型推
文档评论（0）