本文提出了一种增强强化学习的波函数坍缩框架，解决了动态叙事驱动应用中程序生成的局限性。研究表明，该方法在情境一致性和游戏需求响应方面表现优异，显著提升了地图质量，具有广泛的应用潜力。

本研究提出了一种统一的GPD-1模型，解决了自主驾驶系统在场景建模中的不足，能够同时进行地图生成、运动预测和轨迹规划，展现出广泛的应用潜力。

自动驾驶汽车逐渐进入城市道路，P-MapNet通过合并地图先验提升在线HDMap生成性能。研究利用OpenStreetMap中的SDMap作为条件分支，基于注意力的架构显著提升性能。掩蔽自编码器捕获HDMap先验分布，减轻遮挡和伪影。实验表明，SDMap先验提高了栅格化和矢量化输出性能，HDMap先验提升了地图感知度量。P-MapNet可在不同推理模式间切换，提供精度与效率的平衡。代码和模型已公开。

本文介绍了ExelMap，一种可解释的基于元素的高清地图变更检测与更新方法，用于自动驾驶中的地图生成与维护。ExelMap能有效识别变更的地图元素，并改善变更检测评估指标的使用。这是对真实世界图像的端到端地图变更检测与更新问题的首次深入探讨。

本文介绍了一种利用RGB-D图像序列进行协作式SLAM系统，包括前端和后端模块，采用基于神经元的三维场景表示方法，实现了相机跟踪和地图生成的优越性。