NegWAM

NegWAM — это safety post-training framework для unified world-action моделей в end-to-end автономном вождении. Он учится на near-expert failure trajectories — небезопасных альтернативах, которые остаются геометрически близкими к экспертным траекториям. В репозитории — веса NegWAM Transformer (6.24 млрд параметров), конфиг и результаты оценки NAVSIM v2.

📌 Ключевые особенности

• 🔥 Repulsive anchors уводят предсказания от опасных альтернатив, а scene-conditioned rider tokens учат совместимость сцены и траектории.
• 🔮 Вспомогательная rider-ветка нужна только при обучении и исключена из inference path.
• 📷 На входе — камеры, ego state/history и навигационные команды; на выходе — 8 ego poses (x, y, heading) на 4 секунды с шагом 0.5 с через NAVSIM agent.
• 💻 Кастомная Diffusers-реализация WanTransformer3DNavSimModel; веса в Safetensors BF16, файл ~12.49 ГБ, лицензия Apache 2.0.
• ❣ Для запуска нужны кастомная реализация и eval-инструменты из GitHub-репозитория; config.json и веса должны лежать в одной директории.

📖 Пример

Сценарий из карточки: модель получает наблюдения с камер, историю ego-состояния и навигационную команду, а затем планирует 8 ego poses (x, y, heading) на 4 секунды вперёд с шагом 0.5 с через NAVSIM agent. Это планировщик траектории, а не генератор видео или чат-модель.

Подробнее

Бенчмарки NAVSIM v2: EPDMS 40.4 на navhard (two-stage) и 93.3 на navtest; шкала 0-100.
Веса: ~12.49 ГБ в BF16; для оценки нужна кастомная реализация и инструменты из GitHub.
Для navhard в отчёте используется combined summary score, а не среднее по всем строкам CSV.
Лицензия Apache 2.0; auxiliary rider branch не входит в inference path.