Buchumschlag

FROST-Drive: Scalable and Efficient End-to-End Driving with a Frozen Vision Encoder

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Zeyu, Zhu, Yimin, Wu, Yu, Sun, Yu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VECTOR-Drive: Tightly Coupled Vision-Language and Trajectory Expert Routing for End-to-End Autonomous Driving
von: Zhao, Rui, et al.
Veröffentlicht: (2026)

DriveMoE: Mixture-of-Experts for Vision-Language-Action Model in End-to-End Autonomous Driving
von: Yang, Zhenjie, et al.
Veröffentlicht: (2025)

What Matters for Scalable and Robust Learning in End-to-End Driving Planners?
von: Holtz, David, et al.
Veröffentlicht: (2026)

X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving
von: Zheng, Chaoda, et al.
Veröffentlicht: (2026)

SimpleLLM4AD: An End-to-End Vision-Language Model with Graph Visual Question Answering for Autonomous Driving
von: Zheng, Peiru, et al.
Veröffentlicht: (2024)

Guiding Attention in End-to-End Driving Models
von: Porres, Diego, et al.
Veröffentlicht: (2024)

FastDriveVLA: Efficient End-to-End Driving via Plug-and-Play Reconstruction-based Token Pruning
von: Cao, Jiajun, et al.
Veröffentlicht: (2025)

HiST-VLA: A Hierarchical Spatio-Temporal Vision-Language-Action Model for End-to-End Autonomous Driving
von: Wang, Yiru, et al.
Veröffentlicht: (2026)

Structured Labeling Enables Faster Vision-Language Models for End-to-End Autonomous Driving
von: Jiang, Hao, et al.
Veröffentlicht: (2025)

iPad: Iterative Proposal-centric End-to-End Autonomous Driving
von: Guo, Ke, et al.
Veröffentlicht: (2025)

DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning
von: Yao, Wenhao, et al.
Veröffentlicht: (2025)

E3AD: An Emotion-Aware Vision-Language-Action Model for Human-Centric End-to-End Autonomous Driving
von: Tang, Yihong, et al.
Veröffentlicht: (2025)

LMGenDrive: Bridging Multimodal Understanding and Generative World Modeling for End-to-End Driving
von: Shao, Hao, et al.
Veröffentlicht: (2026)

Adversarial Flow Matching for Imperceptible Attacks on End-to-End Autonomous Driving
von: Zeng, Xinyu, et al.
Veröffentlicht: (2026)

Hint-AD: Holistically Aligned Interpretability in End-to-End Autonomous Driving
von: Ding, Kairui, et al.
Veröffentlicht: (2024)

Collision-Aware Vision-Language Learning for End-to-End Driving with Multimodal Infraction Datasets
von: Koran, Alex, et al.
Veröffentlicht: (2026)

Risk-Aware World Model Predictive Control for Generalizable End-to-End Autonomous Driving
von: Sun, Jiangxin, et al.
Veröffentlicht: (2026)

Hidden Biases of End-to-End Driving Datasets
von: Zimmerlin, Julian, et al.
Veröffentlicht: (2024)

Centaur: Robust End-to-End Autonomous Driving with Test-Time Training
von: Sima, Chonghao, et al.
Veröffentlicht: (2025)

Raw2Drive: Reinforcement Learning with Aligned World Models for End-to-End Autonomous Driving (in CARLA v2)
von: Yang, Zhenjie, et al.
Veröffentlicht: (2025)

ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving
von: Lu, Han, et al.
Veröffentlicht: (2024)

GaussianAD: Gaussian-Centric End-to-End Autonomous Driving
von: Zheng, Wenzhao, et al.
Veröffentlicht: (2024)

SEAL: Vision-Language Model-Based Safe End-to-End Cooperative Autonomous Driving with Adaptive Long-Tail Modeling
von: You, Junwei, et al.
Veröffentlicht: (2025)

WOD-E2E: Waymo Open Dataset for End-to-End Driving in Challenging Long-tail Scenarios
von: Xu, Runsheng, et al.
Veröffentlicht: (2025)

Interpretable Decision-Making for End-to-End Autonomous Driving
von: Mirzaie, Mona, et al.
Veröffentlicht: (2025)

AD$^2$: Analysis and Detection of Adversarial Threats in Visual Perception for End-to-End Autonomous Driving Systems
von: Sahu, Ishan, et al.
Veröffentlicht: (2026)

VLM-E2E: Enhancing End-to-End Autonomous Driving with Multimodal Driver Attention Fusion
von: Liu, Pei, et al.
Veröffentlicht: (2025)

Scaling-Aware Data Selection for End-to-End Autonomous Driving Systems
von: Dimlioglu, Tolga, et al.
Veröffentlicht: (2026)

CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving Planning
von: Ang, Sining, et al.
Veröffentlicht: (2026)

LEAD: Minimizing Learner-Expert Asymmetry in End-to-End Driving
von: Nguyen, Long, et al.
Veröffentlicht: (2025)

EMMA: End-to-End Multimodal Model for Autonomous Driving
von: Hwang, Jyh-Jing, et al.
Veröffentlicht: (2024)

DriveMamba: Task-Centric Scalable State Space Model for Efficient End-to-End Autonomous Driving
von: Su, Haisheng, et al.
Veröffentlicht: (2026)

Exploring Camera Encoder Designs for Autonomous Driving Perception
von: Lakshmanan, Barath, et al.
Veröffentlicht: (2024)

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

Enhanced Safety in Autonomous Driving: Integrating Latent State Diffusion Model for End-to-End Navigation
von: Chu, Detian, et al.
Veröffentlicht: (2024)

Module-wise Adaptive Adversarial Training for End-to-end Autonomous Driving
von: Zhang, Tianyuan, et al.
Veröffentlicht: (2024)

PRIX: Learning to Plan from Raw Pixels for End-to-End Autonomous Driving
von: Wozniak, Maciej K., et al.
Veröffentlicht: (2025)

An Examination of Offline-Trained Encoders in Vision-Based Deep Reinforcement Learning for Autonomous Driving
von: Mohammed, Shawan, et al.
Veröffentlicht: (2024)

MobileUNETR: A Lightweight End-To-End Hybrid Vision Transformer For Efficient Medical Image Segmentation
von: Perera, Shehan, et al.
Veröffentlicht: (2024)

Training Multi-Image Vision Agents via End2End Reinforcement Learning
von: Dong, Chengqi, et al.
Veröffentlicht: (2025)