跳到正文
原文
arXiv:越狱、提示注入、投毒与防御· arXiv:2611.08111· Zihao Zhang, Xinyu Zhang, Bing Zeng, Xingyu Chen, Zhenning Li, Bin Yu, Ziyuan Pu·本站收录· 原文发表

NegWAM:以负样本感知规划强化统一世界动作模型的端到端自动驾驶安全

Reinforcing End-to-End Autonomous Driving Safety via Negative-Aware Planning in a Unified World-Action Model

AI 导读

NegWAM 是面向端到端自动驾驶的统一世界动作模型安全后训练框架,以近专家风险负轨迹为排斥锚点学习安全边界。在 NAVSIM v2 的 navhard 上,NegWAM 达 40.4 EPDMS,较最强无评分器基线相对提升 4.1%;navtest 达 93.3 EPDMS。HUGSIM 零样本闭环评测验证跨基准泛化。

阅读原文arxiv.org