CLEAR：用于端到端自动驾驶自适应路由的认知与潜在评估

针对端到端自动驾驶模型难以平衡多模态机动生成与实时推理约束的问题，本文提出 CLEAR 框架。该框架结合超快生成规划与深度语义推理，利用 Drive-JEPA 作为视觉编码器，并在 VAE 潜在空间中用单步条件漂移替代多步去噪链。通过微调 Qwen 模型提取场景感知隐藏状态，指导自适应调度器选择最优轨迹。实验表明，CLEAR 在 NAVSIM v1 基准上取得了 93.7 的 SOTA PDMS 分数，实现了高效的高保真多模态规划。