VLA / 视觉-语言-动作模型

Planning-aligned Token Compression for Long-Context Autonomous Driving

面向长上下文自动驾驶的规划对齐令牌压缩

Zhixuan Liang, Yuxiao Chen, Yurong You, Peter Karkus, Wenhao Ding, Boyi Li, Alexander Popov, Yan Wang, Maximilian Igl, Yiming Li, Danfei Xu, Nikolai Smolyanskiy, Boris Ivanovic, Ping Luo, Marco Pavone

机构 * NVIDIA Research（NVIDIA研究） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） 纠错

专题命中 动作表示与策略 ：action model(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 提出COMPACT-VA框架，基于条件VQ-VAE将长上下文压缩为有界表示，通过规划对齐实现决策关键信息保留，在动态场景中成功率提升超6%，速度提升3.3倍。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026. 8 pages

U.S. National Liquefaction Hazard Maps and their Implications for Engineering Practice and Policy

美国全国液化灾害图及其对工程实践和政策的启示

Morgan D. Sanger, Victoria P. Zdanovski, Brett W. Maurer

专题命中 动作表示与策略 ：action model(abstract)

AI总结 本研究开发美国全国液化灾害图（NLHMs），结合地理空间机器学习模型与2023年美国全国地震灾害模型，分析震级选择、灾害形式差异及液化与社会经济脆弱性的叠加，为工程实践与政策提供支撑。