LaST-VLA：在自动驾驶的视觉 - 语言 - 动作中于潜时空空间进行思考

针对现有视觉 - 语言 - 动作（VLA）模型依赖显式文本思维链导致语义与感知脱节的问题，本文提出 LaST-VLA 框架。该框架将推理范式从离散符号处理转向物理基础的潜时空思维链，通过双重特征对齐机制，将几何约束与动态前瞻直接注入潜空间。结合从特征对齐到轨迹生成的渐进式监督微调策略，并利用群组相对策略优化强化学习确保安全性与规则遵从。实验表明，该方法在 NAVSIM 基准上创下新纪录，并在时空推理任务中表现卓越。