محققان گام بزرگی در صنعت رانندگی خودکار برداشتهاند. مدل جدیدی به نام «HyWorldVLA» معرفی شده که با ترکیب «مدلسازی جهان» (World Modeling) و یادگیری پیونددهنده بینایی-زبان-عمل (VLA)، مشکل دقت و تفسیرپذیری را در خودروهای خودران حل کرده است.
ویژگی کلیدی این مدل، ترکیب نظارت در سطح پیکسل با یادگیری ویژگیهای نهان است که باعث میشود خودرو در سناریوهای نویزی و واقعی، بسیار پایدارتر و هوشمندتر از مدلهای قبلی عمل کند. تستها نشان داده که این معماری جدید، استانداردهای فعلی را در شبیهسازهای پیشرفته شکست داده است! 🚗💨
منبع: arXiv AI