E3AD：一种以人为中心的端到端自主驾驶情感感知视觉-语言-动作模型
数论
2025-12-05 v1
摘要
端到端自主驾驶（AD）系统越来越多地采用视觉-语言-动作（VLA）模型，但它们通常忽略乘客的情感状态，而情感状态对舒适度和 AD 接受度至关重要。我们提出开放域端到端（OD-E2E）自主驾驶，其中自动驾驶车辆（AV）必须解读自由形式的自然语言指令，推断情感，并规划物理上可行的轨迹。我们提出 E3AD，一种情感感知 VLA 框架，通过两个受认知启发的组件增强语义理解：一个连续的效价-唤醒-支配度（VAD）情感模型，从语言中捕捉语气和紧迫性，以及一个双路径空间推理模块，融合自我视角和全局视角以实现类人的空间认知。一种以一致性为导向的训练方案，结合模态预训练与基于偏好的对齐，进一步强制情感意图与驾驶动作之间的一致性。在真实数据集上，E3AD 提升了视觉基础和航点规划能力，并在情感估计方面达到了最先进的（SOTA）VAD 相关性。这些评估结果表明，将情感注入 VLA 风格的驾驶可产生更以人为中心的基础、规划和反馈。
引用
@article{arxiv.2512.04732,
title = {Potential Automorphy of K3 Surfaces with Large Picard Rank},
author = {Chao Gu},
journal= {arXiv preprint arXiv:2512.04732},
year = {2025}
}