Autonomous Driving Chain-of-Thought Reinforcement Learning VLM
摘要

针对现有端到端自动驾驶方法在空间物理证据整合及推理适应性方面的不足,本文提出FactorDrive框架。该框架首先通过大规模指令微调建立基础驾驶知识,随后构建PCF-CoT思维链数据集,将推理锚定于轨迹相关的空间物理证据,使推理路径能自适应不同场景需求。此外,引入QS-GRPO算法,利用蒙特卡洛树搜索发现高质量推理路径并优化策略。实验表明,该方法在nuScenes和NAVSIM基准上均达到最先进水平。

AI 推荐理由

论文核心提出基于规划关键因子的自适应多步推理框架(PCF-CoT),重点解决推理路径的优化与深度适配,属于推理机制创新。

研究机构
东南大学 清华大学 马来亚大学 蚂蚁集团 北京大学
论文信息
作者 Guolei Huang, Tengfei She, Yuxuan Lu, Yao Huang, Yuqi Ye et al.
发布日期 2026-08-10
arXiv ID 2608.09591
相关性评分 9/10 (高度相关)