速報
MapAgent：符合規範的車道向量化映射新架構
自動駕駛需要精確的車道層級地圖，傳統建置方式耗時且需大量人工校正。研究團隊推出 MapAgent，結合向量化主幹與規範驗證、限制感知推理及確定性編輯，形成 Judge‑Planner‑Worker 循環。系統只在主幹信心低落的區塊啟動，降低運算負擔，同時在複雜或長尾情境下提升地圖正確率。
速報
自動駕駛需要精確的車道層級地圖，傳統建置方式耗時且需大量人工校正。研究團隊推出 MapAgent，結合向量化主幹與規範驗證、限制感知推理及確定性編輯，形成 Judge‑Planner‑Worker 循環。系統只在主幹信心低落的區塊啟動，降低運算負擔，同時在複雜或長尾情境下提升地圖正確率。
速報
自動駕駛需要精確的車道等級地圖，但傳統建圖耗時。MapAgent 透過結合視覺語言判斷與規範驗證的 Judge‑Planner‑Worker 迴路，在感測器資料上自動校正錯誤，僅在低信心區塊介入。實驗與百度地圖整合顯示，該系統在 360 多城市提升自動化率至 95% 以上，顯著改善複雜場景的地圖品質。