<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>🤝 协作 on Elon&#39;s AD Insight</title>
    <link>https://auto-driving-blog.vercel.app/tags/-%E5%8D%8F%E4%BD%9C/</link>
    <description>Recent content in 🤝 协作 on Elon&#39;s AD Insight</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Sun, 19 Jul 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://auto-driving-blog.vercel.app/tags/-%E5%8D%8F%E4%BD%9C/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>CoWorld-VLA精读：多专家世界模型中的自动驾驶推理</title>
      <link>https://auto-driving-blog.vercel.app/posts/paper-reading/coworld-vla%E7%B2%BE%E8%AF%BB/</link>
      <pubDate>Sun, 19 Jul 2026 00:00:00 +0000</pubDate>
      <guid>https://auto-driving-blog.vercel.app/posts/paper-reading/coworld-vla%E7%B2%BE%E8%AF%BB/</guid>
      <description>CoWorld-VLA 在 VLM 隐空间中构建多专家 Latent CoT 推理框架，解决了文本 CoT 丢失空间信息而隐空间缺乏可条件化信号的根本矛盾。它通过语义交互、几何结构、动态演化与轨迹意图四种专家 Token，将互补的世界知识编码为显式可用的规划条件。在 NAVSIM v1 上达到 89.8 PDMS，证明了结构化隐式推理的有效性。</description>
    </item>
  </channel>
</rss>
