Retrieval-Augmented Safety Knowledge for Vision-Language-Action Models in Autonomous Vehicles
Este artículo propone un marco de subtitulado aumentado por recuperación que inyecta políticas de evasión de colisiones destiladas y reglas de conducción formales en modelos de Visión-Lenguaje-Acción, mejorando significativamente la precisión de la predicción de trayectorias de vehículos autónomos para igualar el rendimiento de la verdad fundamental al abordar detalles críticos de seguridad que los modelos estándar suelen omitir.