端到端驾驶查询式代价学习规划框架被 ACCV 2026 接收
热点事件观察中
端到端驾驶查询式代价学习规划框架被 ACCV 2026 接收
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Ahmed Abouelazm 等提出一种查询式代价学习规划框架，为动态可达的自车轨迹查询估计有界代价，而非对密集 BEV 栅格或少量回归轨迹集打分，已获第 18 届亚洲计算机视觉会议（ACCV 2026）接收。 该方法用紧凑的联合场景 token 捕获多模态 agent 未来，通过 contingency-aware 代价聚合与 cost-guided intra-cluster MPPI mixing 生成可行自车规划。作者称在 nuScenes 上，其方法在碰撞率上优于 ST-P3、NMP 等代价估计规划器，并在 L2 指标上保持竞争力；在真实驾驶日志上，无需微调即可相比 SparseDrive 和 Alpamayo 降低碰撞率，同时保留多样的候选轨迹。
AI 根据报道生成 · 1 天前更新
最新进展10月7日 12:00
超越路径点回归：面向端到端驾驶的可达自车未来查询式代价学习报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.RO 机器人学超越路径点回归：面向端到端驾驶的可达自车未来查询式代价学习
一种查询式代价学习框架为动态可达的自车轨迹查询估计有界代价，用紧凑联合场景 token 捕获多模态 agent 未来，并通过 contingency-aware 代价聚合与 cost-guided intra-cluster MPPI mixing 生成可行自车规划。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月7日 15:00
- 近 24 小时变化
- -50%
02.557.510
18:0010月8日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。