Txing

ActiveAD从数据标注的角度入手，考虑如何减少对标注的需求（主要是感知任务上的标注），在端到端模型中引入了主动学习，迭代地使用有标签困难样本训练模型，提升数据的使用效率；实验结果显示使用了该方法的VAD模型的规划能力有较明显的提升，方法值得借鉴。

GAIA-1实现了自动驾驶场景的可控生成，所谓可控包括几个方面：场景、障碍物、车辆行为、天气等，在4700小时的数据集上取得了不错的效果，但模型只输出场景图像，没有BEV和轨迹信息，是个小小的遗憾；此外，文本数据的标注/生成也是个问题；本文的图像、文本等数据的编码和处理均由之前的成熟模型完成，本文更多的是一个数据构造和模型集成的工作；

整体看来无论是LLM还是基础模型在自动驾驶中的使用，尤其是在planning、decision相关任务上的使用，还非常地初步，大多数研究都还处于探索阶段，效果也还不好，更没有解决上车的工程化问题，包括延时、内存、后处理等等；而且LLM输出的文本描述如何和规划的结果相结合，目前的工作也相对粗糙了一些；如果后续在自动驾驶任务的性能上没有大幅度的提升，仅3年内基础模型落地会面临比较大阻碍；

VADv2主要是将预测未来轨迹变为了选择未来轨迹，而选择的依据就是概率，因此取名为probabilistic planning；这样的好处是生成的轨迹“一定是动力学上可行的”，因此不会有比较离谱的轨迹出现，降低了轨迹生成的不确定性，取得了最好的闭环测试效果；这一改进对于不确定性巨大的端到端模型来说是很关键的，但文章对如何根据示教数据设计先验的轨迹没有介绍，猜测作者是为了技术保密，先参加今年的CVPR端到端预测比赛，后续比赛结束文章正式发表后应该会有补充；

很漂亮的工作，将去噪扩散概率模型与强化学习轨迹规划相结合，实现平滑的轨迹规划能力；但算法的局限和强化学习类似，需要想办法设计引导函数$J$；

Diffusion Policy机器人末端将轨迹生成视为一个条件去噪扩散过程，比当前的sota算法实现了46.9%的性能提升，达到了机器人操作的最好性能。

mobile ALOHA 的效果还是比较惊艳的，尤其是仅仅使用了co-train这么个技巧的情况下；在不同任务上实现了不错的成功率；硬件上选择轮式base是很明智的，直接避开了步行和自平衡的难题，这样才能专注于操作任务学习上；对于算法上，本文并没有什么创新，也仍然面临着很多机器人操作的“老毛病”，例如缺少规则约束、失败的后果严重、刚性交互等等，总觉得“还不是那么智能”，改进道路漫长；

感觉是一个各类算法的大整合最后实现了一些比较开放的任务；算法本身依赖的还是感知和语言模型，规划和抓取国策都设计得比较粗糙，而且每个环节出错的概率都挺高，整个demo很脆弱。