arXiv Robotics· Xurui Song, Shuo Huai, JingJing Jiang, Jiayi Kong, Jun Luo·· 5 小时前AI 评分47
视觉语言驾驶模型中被忽视的推理-规划脱节问题
More Than Meets the Eye? Uncovering the Reasoning-Planning Disconnect in Training Vision-Language Driving Models
AI 导读
研究团队构建了基于 nuPlan 自动生成、带规划对齐 CoT 的大规模驾驶 VQA 数据集 DriveMind，并用 SFT 与 GRPO 训练代表性 VLM 驾驶智能体。
推荐理由模型分析
该研究构建带规划对齐CoT的DriveMind驾驶VQA数据集，通过消融实验发现移除自车/导航先验会显著降低规划分数，而移除CoT影响很小，据此提出推理-规划解耦假设，并给出免训练探针测量模型对先验的依赖。对做VLM驾驶智能体与可解释端到端规划的研究者，这提供了检验“推理是否真正驱动规划”的数据与诊断方法，结论限于nuPlan仿真评测条件。
来源：arXiv Robotics · arxiv.org