Buchumschlag

LAD-Drive: Bridging Language and Trajectory with Action-Aware Diffusion Transformers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schmidt, Fabian, Fedurko, Karol, Enzweiler, Markus, Valada, Abhinav
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

NeRF and Gaussian Splatting SLAM in the Wild
von: Schmidt, Fabian, et al.
Veröffentlicht: (2024)

Visual-Inertial SLAM for Unstructured Outdoor Environments: Benchmarking the Benefits and Computational Costs of Loop Closing
von: Schmidt, Fabian, et al.
Veröffentlicht: (2024)

GraphPilot: Grounded Scene Graph Conditioning for Language-Based Autonomous Driving
von: Schmidt, Fabian, et al.
Veröffentlicht: (2025)

ROVER: A Multi-Season Dataset for Visual SLAM
von: Schmidt, Fabian, et al.
Veröffentlicht: (2024)

Enhancing LLM-based Autonomous Driving with Modular Traffic Light and Sign Recognition
von: Schmidt, Fabian, et al.
Veröffentlicht: (2025)

DITTO: Demonstration Imitation by Trajectory Transformation
von: Heppert, Nick, et al.
Veröffentlicht: (2024)

Learning Lane Graphs from Aerial Imagery Using Transformers
von: Büchner, Martin, et al.
Veröffentlicht: (2024)

Bridging Perspectives: Foundation Model Guided BEV Maps for 3D Object Detection and Tracking
von: Käppeler, Markus, et al.
Veröffentlicht: (2025)

Effort-Based Criticality Metrics for Evaluating 3D Perception Errors in Autonomous Driving
von: Kaul, Sharang, et al.
Veröffentlicht: (2026)

CMRNext: Camera to LiDAR Matching in the Wild for Localization and Extrinsic Calibration
von: Cattaneo, Daniele, et al.
Veröffentlicht: (2024)

Leveraging Previous-Traversal Point Cloud Map Priors for Camera-Based 3D Object Detection and Tracking
von: Käppeler, Markus, et al.
Veröffentlicht: (2026)

Taxonomy-Aware Continual Semantic Segmentation in Hyperbolic Spaces for Open-World Perception
von: Hindel, Julia, et al.
Veröffentlicht: (2024)

RaLF: Flow-based Global and Metric Radar Localization in LiDAR Maps
von: Nayak, Abhijeet, et al.
Veröffentlicht: (2023)

A Good Foundation is Worth Many Labels: Label-Efficient Panoptic Segmentation
von: Vödisch, Niclas, et al.
Veröffentlicht: (2024)

Few-Shot Panoptic Segmentation With Foundation Models
von: Käppeler, Markus, et al.
Veröffentlicht: (2023)

CenterGrasp: Object-Aware Implicit Representation Learning for Simultaneous Shape Reconstruction and 6-DoF Grasp Estimation
von: Chisari, Eugenio, et al.
Veröffentlicht: (2023)

Panoptic-Depth Forecasting
von: Hurtado, Juana Valeria, et al.
Veröffentlicht: (2024)

Perception Matters: Enhancing Embodied AI with Uncertainty-Aware Semantic Segmentation
von: Prasanna, Sai, et al.
Veröffentlicht: (2024)

AnchorD: Metric Grounding of Monocular Depth Using Factor Graphs
von: Dorer, Simon, et al.
Veröffentlicht: (2026)

Vision-Based Autonomous UAV Navigation and Landing for Urban Search and Rescue
von: Mittal, Mayank, et al.
Veröffentlicht: (2019)

CoDEPS: Online Continual Learning for Depth Estimation and Panoptic Segmentation
von: Vödisch, Niclas, et al.
Veröffentlicht: (2023)

CenterArt: Joint Shape Reconstruction and 6-DoF Grasp Estimation of Articulated Objects
von: Mokhtar, Sassan, et al.
Veröffentlicht: (2024)

Imagine2touch: Predictive Tactile Sensing for Robotic Manipulation using Efficient Low-Dimensional Signals
von: Ayad, Abdallah, et al.
Veröffentlicht: (2024)

RAD-LAD: Rule and Language Grounded Autonomous Driving in Real-Time
von: Ghosh, Anurag, et al.
Veröffentlicht: (2026)

Learning Appearance and Motion Cues for Panoptic Tracking
von: Hurtado, Juana Valeria, et al.
Veröffentlicht: (2025)

StixelNExT++: Lightweight Monocular Scene Segmentation and Representation for Collective Perception
von: Vosshans, Marcel, et al.
Veröffentlicht: (2025)

Hyp2Former: Hierarchy-Aware Hyperbolic Embeddings for Open-Set Panoptic Segmentation
von: Lu, Yao, et al.
Veröffentlicht: (2026)

Self-Supervised Online Robot-Agnostic Traversability Estimation for Open-World Environments
von: Hindel, Julia, et al.
Veröffentlicht: (2026)

PseudoTouch: Efficiently Imaging the Surface Feel of Objects for Robotic Manipulation
von: Röfer, Adrian, et al.
Veröffentlicht: (2024)

Label-Efficient LiDAR Panoptic Segmentation
von: Çanakçı, Ahmet Selim, et al.
Veröffentlicht: (2025)

Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy
von: Hou, Zhi, et al.
Veröffentlicht: (2025)

DiWA: Diffusion Policy Adaptation with World Models
von: Chandra, Akshay L, et al.
Veröffentlicht: (2025)

INoD: Injected Noise Discriminator for Self-Supervised Representation Learning in Agricultural Fields
von: Hindel, Julia, et al.
Veröffentlicht: (2023)

Multi-Scale Neighborhood Occupancy Masked Autoencoder for Self-Supervised Learning in LiDAR Point Clouds
von: Abdelsamad, Mohamed, et al.
Veröffentlicht: (2025)

Articulated Object Estimation in the Wild
von: Werby, Abdelrhman, et al.
Veröffentlicht: (2025)

Unifying Language-Action Understanding and Generation for Autonomous Driving
von: Wang, Xinyang, et al.
Veröffentlicht: (2026)

F1: A Vision-Language-Action Model Bridging Understanding and Generation to Actions
von: Lv, Qi, et al.
Veröffentlicht: (2025)

Sparse3DTrack: Monocular 3D Object Tracking Using Sparse Supervision
von: Gosala, Nikhil, et al.
Veröffentlicht: (2026)

AutoMoT: A Unified Vision-Language-Action Model with Asynchronous Mixture-of-Transformers for End-to-End Autonomous Driving
von: Huang, Wenhui, et al.
Veröffentlicht: (2026)

Visual Loop Closure Detection Through Deep Graph Consensus
von: Büchner, Martin, et al.
Veröffentlicht: (2025)