VITAL
一种自动驾驶动作预测框架，通过动作分词器从视觉运动直接推导驾驶动作目标。动作表征拆分为视觉运动脚手架与归一化残差编码，使用流匹配训练，支持单步推理和有界强化后训练。
时间轴 (近 90 天)
VITAL在未重新训练的情况下迁移到NAVSIM v2新基准时的表现，说明视觉运动脚手架的表征方式具备一定的泛化能力，而不是过拟合到特定数据集。
VITAL（Vision-Induced Tokens for Action Learning）是一种让视觉运动成为动作预测主目标，并用紧凑残差分支处理精度修正的自动驾驶动作学习框架。
VITAL的动作表征被拆分为视觉运动脚手架（motion scaffold）和残差编码（residual encoding）两部分。
VITAL的动作专家模块使用流匹配（flow matching）进行训练，推理时仅依赖当前图像、自车状态和导航指令，不需要生成未来图像。
在NAVSIM v1的navtest基准上，VITAL仅用一次动作去噪步骤就达到了90.8 PDMS，与十步推理的分数差距仅为0.13分，端到端推理速度提升3.29倍。
在未重新训练的情况下，VITAL在NAVSIM v2 navtest上达到91.1 EPDMS，在navhard上达到38.6。
VITAL的残差坐标系统支撑有界强化后训练（bounded reinforcement post-training），在保持视觉运动脚手架固定的前提下，仅对执行层面进行精细调整。
VITAL的核心贡献在于重新组织了动作学习的表征结构：先让视觉运动成为预测目标，再用残差弥补精度缺口，而非先定义轨迹空间再拟合。
2014年香港风投公司Deep Knowledge Ventures任命名为VITAL的AI算法为董事会成员，并赋予其对投资决策的投票权
全部知识事实 (9)
VITAL在未重新训练的情况下迁移到NAVSIM v2新基准时的表现，说明视觉运动脚手架的表征方式具备一定的泛化能力，而不是过拟合到特定数据集。
50%待验证VITAL（Vision-Induced Tokens for Action Learning）是一种让视觉运动成为动作预测主目标，并用紧凑残差分支处理精度修正的自动驾驶动作学习框架。
50%待验证VITAL的动作表征被拆分为视觉运动脚手架（motion scaffold）和残差编码（residual encoding）两部分。
50%待验证VITAL的动作专家模块使用流匹配（flow matching）进行训练，推理时仅依赖当前图像、自车状态和导航指令，不需要生成未来图像。
50%待验证在NAVSIM v1的navtest基准上，VITAL仅用一次动作去噪步骤就达到了90.8 PDMS，与十步推理的分数差距仅为0.13分，端到端推理速度提升3.29倍。
50%待验证在未重新训练的情况下，VITAL在NAVSIM v2 navtest上达到91.1 EPDMS，在navhard上达到38.6。
50%待验证VITAL的残差坐标系统支撑有界强化后训练（bounded reinforcement post-training），在保持视觉运动脚手架固定的前提下，仅对执行层面进行精细调整。
50%待验证VITAL的核心贡献在于重新组织了动作学习的表征结构：先让视觉运动成为预测目标，再用残差弥补精度缺口，而非先定义轨迹空间再拟合。
50%待验证2014年香港风投公司Deep Knowledge Ventures任命名为VITAL的AI算法为董事会成员，并赋予其对投资决策的投票权
50%