摘要
本文针对现有驾驶视觉语言动作（VLA）模型中思维链推理缺乏逐步决策语义的问题，提出了“神经符号驾驶”框架。该方法利用经典基于规则的规划器作为可执行推理引擎，提取其内部决策轨迹并序列化为结构化推理数据，用于微调 Qwen3.5-4B 模型。通过将推理过程与运动生成在结构上紧密耦合，该方法在仿真基准测试中显著降低了平均位移误差和_miss rate_，实现了将神经符号规划逻辑转化为结构化监督信号的目标。
AI 推荐理由
论文核心提出基于规则的信奉推理框架，通过神经符号方法增强驾驶 VLA 的因果推理能力。
研究机构
Texas A&M University
Carnegie Mellon University
University of California, Riverside
University of Maryland
University of Pittsburgh
论文信息