摘要
视觉-语言-动作(VLA)模型为端到端自动驾驶提供了统一推理的新范式,但现有方法缺乏利用过往失败或适应分布偏移的机制,导致在相似场景下持续表现不佳。本文提出DriveVLA-M0,一种具有故障感知潜在记忆的检索增强VLA模型。我们构建了存储失败案例、结构化场景表示及专家轨迹标签的潜在记忆池,并设计了专用检索模型以解耦静态道路结构与动态智能体交互。在推理时,通过轻量级的解耦LoRA测试时训练(TTT)机制注入检索到的案例,实现针对性修正而不修改主干网络。实验表明该方法性能显著优于 prior methods,且随记忆扩展可实现免训练的性能提升。
AI 推荐理由
论文核心提出基于失败案例的潜在记忆池及检索增强机制,直接针对记忆架构进行创新。
研究机构
中国科学院自动化研究所
重庆长安汽车股份有限公司
论文信息