摘要
针对自动驾驶视觉-语言-动作(VLA)模型中利用思维链(CoT)监督增强推理能力时存在的轨迹锚定偏差问题,本文指出现有方法让教师模型接触真实未来轨迹会导致其合理化结果而非基于场景证据推断,从而产生缺乏因果忠实度的CoT及严重幻觉。为此,提出AD-MCQ将规划转化为从显式候选轨迹中选择的多选题,并进一步提出DEFT-RLVR框架,将未来轨迹从决策前的锚点转变为决策后的验证目标。实验表明该方法在保持通用视觉能力的同时显著提升了自动驾驶推理的可验证性与准确性。
AI 推荐理由
论文核心解决VLM在自动驾驶中的因果推理偏差,通过去锚定和验证机制提升思维链的因果忠实度。
研究机构
北京理工大学
深圳市元智技术
浙江大学
上海交通大学
论文信息