DriveMA：通过一步元动作重新思考驾驶视觉 - 语言 - 行动模型中的语言接口

驾驶视觉 - 语言 - 行动模型（Driving VLAs）常引入自然语言推理作为端到端规划的中间接口，但面临标注难、长链生成理解难及延迟高等瓶颈。本文提出以简洁的“一步元动作”替代冗长推理，该接口语义明确、熵值低且可自动从专家轨迹推导。基于此，作者提出 DriveMA 框架，结合以动作为中心的监督训练与回合级信用分配强化学习，联合优化元动作正确性、轨迹质量及一致性。实验表明，DriveMA 在 Waymo 挑战赛中刷新最先进成绩，并在 NAVSIM 上表现优异，证明了其在表达力、可预测性与推理效率间的优越平衡。