MLP-Mixer

深度分析

MISTY：以潛在空間漂移與 VAE 實現單步高速自駕路徑規劃

隨著自駕路徑規劃需求提高，研究聚焦於降低推論延遲。本文提出MISTY，一個以VAE結構化潛在空間並在潛空間訓練階段實施漂移損失的單步生成器；同時以向量化場景編碼與輕量MLP-Mixer解碼避免注意力二次複雜度。實驗在nuPlan上顯示其在難例測試分數領先且推論速度大幅提升。