通过显式从失败中学习释放 VLA 在自动驾驶中的潜力

针对自动驾驶视觉 - 语言 - 动作（VLA）模型在强化学习中因探索受限而陷入性能 plateau 的问题，本文提出 ELF-VLA 框架。该方法摒弃模糊的标量奖励，转而生成结构化诊断报告以识别具体失败模式（如规划错误）。利用此显式反馈指导策略 refinement，并将修正后的高回报样本注入训练，从而提供针对性梯度。实验表明，该方法显著提升了长尾场景下的高层规划精度及整体驾驶评分，达到了 NAVSIM 基准的最先进水平。