VGGT World-VLA: Преднамеренная 3-D мировая эволюция автономного движения

arXiv:2610.11161v1 Annualce Type: New Humber Brieflow: VGGT обеспечивает прочную основу для глобальных геометрических моделей путем восстановления унифицированной 3D геометрии сцены на основе визуальных наблюдений. Хотя недавние продления позволяют прогнозировать временные 3D, их будущая эволюция по-прежнему слабо зависит от намерений и действий движущего фактора, что ограничивает их способность моделировать альтернативные варианты будущего, зависящие от конкретных мер. Мы предлагаем VGGTWorld-VLA, обусловленное намерениями расширение VGBT-World для контролируемой 3D мировой эволюции в автономном вождении. Во-первых, мы введем механизм семантического кондиционирования, который вводит дополнительные движущие модели сематики и эгоэмоциональные представления в будущий поток, что позволяет различные будущие прогнозы геометрии для одной и той же наблюдаемой сцены при альтернативных действиях эго. Во-вторых, мы разрабатываем геометрию - языковой мост действия, который адаптирует историческую геометрия, семантические характеристики VLA и маневры и траектории для совместного кондиционирования будущей геометрии