隐藏之物至关重要：利用视觉语言模型识别对规划关键的遮挡代理

针对自动驾驶中关键代理可能被遮挡的问题，现有方法往往过于保守或缺乏对规划影响的评估。本文提出一种新框架，利用规划 KL 散度（PKL）量化遮挡代理对自车轨迹的影响，并据此排序。利用该策略指导专家 VLM 生成结构化标注，构建了新基准。实验表明，基于 PKL 数据微调的模型性能显著提升，小模型优于大模型零-shot 表现，数据选择策略较随机采样提升约 30%，实现了更高效的风险分析。