复旦&清华OccLLaMA：首个自动驾驶具身世界模型！全面增强Occ、规划等一切任务！

文章预览

点击下方 卡片 ，关注 「3D视觉工坊」 公众号 选择 星标 ，干货第一时间送达 来源：计算机视觉工坊 添加小助理：cv3d008，备注：方向+学校/公司+昵称，拉你入群。文末附3D视觉行业细分群。 扫描下方二维码，加入「 3D视觉从入门到精通 」知识星球 ，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料： 近20门秘制视频课程 、 最新顶会论文 、计算机视觉书籍 、 优质3D视觉算法源码 等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！ 0. 这篇文章干了啥？ 近年来，我们见证了多模态大型语言模型（MLLMs）的重大突破，这些模型能够整合语言、图像、音频等多种模态，从而加速了具身人工智能（Embodied AI）的发展。然而，能够处理现实世界多项任务的通用智能体尚未出现。这本质上是因为现有的MLLMs通过学习从感知到动作的直接映射来执 ………………………………