Buchumschlag

A Survey for Foundation Models in Autonomous Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Haoxiang, Wang, Zhongruo, Li, Yaqian, Long, Kaiwen, Yang, Ming, Shen, Yiqing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Application of Vision-Language Model to Pedestrians Behavior and Scene Understanding in Autonomous Driving
von: Gao, Haoxiang, et al.
Veröffentlicht: (2025)

Panoptic Perception for Autonomous Driving: A Survey
von: Li, Yunge, et al.
Veröffentlicht: (2024)

See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection
von: Mallak, Amir, et al.
Veröffentlicht: (2026)

AutoTrust: Benchmarking Trustworthiness in Large Vision Language Models for Autonomous Driving
von: Xing, Shuo, et al.
Veröffentlicht: (2024)

OpenEMMA: Open-Source Multimodal Model for End-to-End Autonomous Driving
von: Xing, Shuo, et al.
Veröffentlicht: (2024)

VisionPAD: A Vision-Centric Pre-training Paradigm for Autonomous Driving
von: Zhang, Haiming, et al.
Veröffentlicht: (2024)

Hybrid-Prediction Integrated Planning for Autonomous Driving
von: Liu, Haochen, et al.
Veröffentlicht: (2024)

Dynamic Adversarial Attacks on Autonomous Driving Systems
von: Chahe, Amirhosein, et al.
Veröffentlicht: (2023)

DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving
von: Jia, Xiaosong, et al.
Veröffentlicht: (2025)

ACT-Bench: Towards Action Controllable World Models for Autonomous Driving
von: Arai, Hidehisa, et al.
Veröffentlicht: (2024)

Foundation Models for Autonomous Driving Perception: A Survey Through Core Capabilities
von: Sathyam, Rajendramayavan, et al.
Veröffentlicht: (2025)

A Survey of World Models for Autonomous Driving
von: Feng, Tuo, et al.
Veröffentlicht: (2025)

CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving
von: Zheng, Xiaoji, et al.
Veröffentlicht: (2025)

Language-Enhanced Latent Representations for Out-of-Distribution Detection in Autonomous Driving
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2024)

Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model
von: You, Junqi, et al.
Veröffentlicht: (2024)

ProIn: Learning to Predict Trajectory Based on Progressive Interactions for Autonomous Driving
von: Dong, Yinke, et al.
Veröffentlicht: (2024)

Data Scaling Laws for End-to-End Autonomous Driving
von: Naumann, Alexander, et al.
Veröffentlicht: (2025)

A Survey on Deep Multi-Task Learning in Connected Autonomous Vehicles
von: Wang, Jiayuan, et al.
Veröffentlicht: (2025)

CRITERIA: a New Benchmarking Paradigm for Evaluating Trajectory Prediction Models for Autonomous Driving
von: Chen, Changhe, et al.
Veröffentlicht: (2023)

SIMPL: A Simple and Efficient Multi-agent Motion Prediction Baseline for Autonomous Driving
von: Zhang, Lu, et al.
Veröffentlicht: (2024)

Pseudo-Simulation for Autonomous Driving
von: Cao, Wei, et al.
Veröffentlicht: (2025)

CARIL: Confidence-Aware Regression in Imitation Learning for Autonomous Driving
von: Delavari, Elahe, et al.
Veröffentlicht: (2025)

Multi-Objective Reinforcement Learning for Adaptable Personalized Autonomous Driving
von: Surmann, Hendrik, et al.
Veröffentlicht: (2025)

Advancing Autonomous Driving: DepthSense with Radar and Spatial Attention
von: Hussain, Muhamamd Ishfaq, et al.
Veröffentlicht: (2021)

Dream to Drive with Predictive Individual World Model
von: Gao, Yinfeng, et al.
Veröffentlicht: (2025)

LLM-attacker: Enhancing Closed-loop Adversarial Scenario Generation for Autonomous Driving with Large Language Models
von: Mei, Yuewen, et al.
Veröffentlicht: (2025)

Data-driven Camera and Lidar Simulation Models for Autonomous Driving: A Review from Generative Models to Volume Renderers
von: Haghighi, Hamed, et al.
Veröffentlicht: (2024)

DINO Pre-training for Vision-based End-to-end Autonomous Driving
von: Juneja, Shubham, et al.
Veröffentlicht: (2024)

ECBench: Can Multi-modal Foundation Models Understand the Egocentric World? A Holistic Embodied Cognition Benchmark
von: Dang, Ronghao, et al.
Veröffentlicht: (2025)

STELLAR: Scaling 3D Perception Large Models for Autonomous Driving
von: Li, Yingwei, et al.
Veröffentlicht: (2026)

CarPlanner: Consistent Auto-regressive Trajectory Planning for Large-scale Reinforcement Learning in Autonomous Driving
von: Zhang, Dongkun, et al.
Veröffentlicht: (2025)

ReasonDrive: Efficient Visual Question Answering for Autonomous Vehicles with Reasoning-Enhanced Small Vision-Language Models
von: Chahe, Amirhosein, et al.
Veröffentlicht: (2025)

Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving
von: Yu, Hanyi, et al.
Veröffentlicht: (2024)

LargeAD: Large-Scale Cross-Sensor Data Pretraining for Autonomous Driving
von: Kong, Lingdong, et al.
Veröffentlicht: (2025)

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving
von: Kong, Lingdong, et al.
Veröffentlicht: (2024)

Transformer-Based Autonomous Driving Models and Deployment-Oriented Compression: A Survey
von: Zhong, Juan, et al.
Veröffentlicht: (2023)

TransDiffuser: Diverse Trajectory Generation with Decorrelated Multi-modal Representation for End-to-end Autonomous Driving
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

End-to-end Autonomous Driving: Challenges and Frontiers
von: Chen, Li, et al.
Veröffentlicht: (2023)

STT: Stateful Tracking with Transformers for Autonomous Driving
von: Jing, Longlong, et al.
Veröffentlicht: (2024)

LoRA3D: Low-Rank Self-Calibration of 3D Geometric Foundation Models
von: Lu, Ziqi, et al.
Veröffentlicht: (2024)