待验证50% 置信解决方案精确时间
该研究采用自监督方法，利用GNSS数据将车辆未来行驶轨迹反向投影到当前图像帧上，自动生成车辙的训练标签
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证预测层对周边车辆与行人的轨迹进行概率建模，规划层在此基础上生成车辆控制指令71% 相似待验证执行轨迹记录模型或人类解决问题的完整中间步骤，使训练系统能识别推理链条中具体哪一步出错，从而提供更精细的学习信号66% 相似待验证Walk Forward滚动前推验证以固定窗口历史数据训练模型，在紧接其后时间预测，然后将窗口向前滚动重复，能暴露不同市场状态下的稳定性问题65% 相似待验证推理期引导通过在反向扩散或流的每一步加入观测似然的梯度，将采样轨迹拉向与观测一致的区域，无需重新训练模型65% 相似待验证成对数据（转换前位图与转换后矢量图一一对应）在监督学习中被称为标注数据，是训练AI模型理想的数据形态65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002430API
curl https://kongchang.com/api/v1/knowledge/claims/1002430MCP
get_claim(id=1002430)