← 返回句子列表
p051 · 36 词
Unlike traditional end-to-end models that rely on multi-modal inputs and sparse perceptual supervision, or VLA models that require language labels and complicated RL fine-tuning, our VGA paradigm achieves safe, end-to-end driving using only annotation-efficient geometric supervision.
传统端到端模型依赖多模态输入和稀疏的感知监督,VLA 模型则需要语言标签和复杂的强化学习微调;与之不同,我们的 VGA 范式仅使用标注高效的几何监督,就实现了安全的端到端驾驶。
先别急着看中文:这句话的主干是什么?
主干 = 谁(主语)+ 做什么/是什么(谓语)+ 对谁做(宾语)。
其余的形容词、介词短语、逗号后面的 -ing 部分,都是挂在上面的「零件」。
其余的形容词、介词短语、逗号后面的 -ing 部分,都是挂在上面的「零件」。
0%
展开结构树 / 中文翻译
主干(主句的连续片段)
our VGA paradigm achieves safe, end-to-end driving
逐块拆解
主语our VGA paradigm
这句话在说「什么」。
谓语achieves
主干动作/状态;被动语态时注意 be + 过去分词。
宾语safe, end-to-end driving
动作的承受者,被动句里常以 by … 出现。
定语traditional end-to-end
修饰 models:传统的端到端模型(输入图像直接输出驾驶动作)。读法:Unlike 引出的这两类模型都是陪衬,主句 our VGA paradigm achieves ... 才是观点
定语multi-modal
修饰 inputs:多模态的,比如相机 + 激光雷达 + 毫米波雷达一起输入
定语sparse perceptual
修饰 supervision:稀疏的感知监督,也就是只有少量标注框/点
定语complicated RL
修饰 fine-tuning:复杂的强化学习微调。RL = reinforcement learning
定语annotation-efficient geometric
修饰 supervision:标注高效的几何监督——用少量标注就能拿到几何信号,这正是作者要强调的优势
状语only
「仅仅」,强调对比:别人要一堆东西,我们只要几何监督
介词短语作状语(对比)Unlike traditional end-to-end models that rely on multi-modal inputs and sparse perceptual supervision, or VLA models that require language labels and complicated RL fine-tuning
Unlike = 与……不同,后面挂了两类模型(A or B),每类各带一个 that 定语从句。这一整块到逗号才结束,读的时候可以先跳过,直接找主句
定语从句that rely on multi-modal inputs and sparse perceptual supervision
修饰 traditional end-to-end models,说明它们「依赖什么」。rely on 是高频搭配
定语从句that require language labels and complicated RL fine-tuning
修饰 VLA models,说明它们的代价:要语言标注 + 复杂的 RL 微调
分词状语(方式)using only annotation-efficient geometric supervision
现在分词说明「靠什么实现」:只用几何监督。它和句首的 Unlike 形成一正一反的对照
中文
传统端到端模型依赖多模态输入和稀疏的感知监督,VLA 模型则需要语言标签和复杂的强化学习微调;与之不同,我们的 VGA 范式仅使用标注高效的几何监督,就实现了安全的端到端驾驶。
出处
DVGT-2 · arXiv 2604.00813 · arXiv preprint · 4.5 Planning