# 端到端自动驾驶

端到端自动驾驶规划器ManeuverFlow把候选轨迹按八类运动机动组织，一次生成后借助共享未来BEV证据打分与局部修正，在NAVSIM v1/v2 navtest上取得90.58 PDMS与90.14 EPDMS。

端到端自动驾驶规划器ManeuverFlow把候选轨迹按八类运动机动组织，一次生成后借助共享未来BEV证据打分与局部修正，在NAVSIM v1/v2 navtest上取得90.58 PDMS与90.14 EPDMS。

自动驾驶的视觉-语言-动作模型过去靠一个标量轨迹分数学习，分数低却说不清是场景理解、行为选择还是轨迹执行出错。Reflect-VLA把带评估诊断与纠正建议的反思指导当作只在训练时可见的特权信息，用双路径在线策略自蒸馏把纠正偏好写进直接生成轨迹的策略：风险轨迹对齐教师的词元级纠正分布，可靠轨迹做自模仿保留。在NAVSIM v1/v2与Bench2Drive上取得有竞争力的规划表现，训练时间比强化学习减少九成以上，推理时单次生成、不需要指导或迭代修正。

自动驾驶的视觉-语言-动作模型过去靠一个标量轨迹分数学习，分数低却说不清是场景理解、行为选择还是轨迹执行出错。Reflect-VLA把带评估诊断与纠正建议的反思指导当作只在训练时可见的特权信息，用双路径在线策略自蒸馏把纠正偏好写进直接生成轨迹的策略：风险轨迹对齐教师的词元级纠正分布，可靠轨迹做自模仿保留。在NAVSIM v1/v2与Bench2Drive上取得有竞争力的规划表现，训练时间比强化学习减少九成以上，推理时单次生成、不需要指导或迭代修正。

该工作提出一个受双过程理论启发的混合框架：用TransFuser++神经网络在常规场景生成类人轨迹，用基于知识图谱推理的风险场驱动元认知组件判断是否切换到模型预测控制规划器，并在CARLA中针对车辆（含救护车）闯红灯的分布外场景测试，结果显示车对车碰撞由160次仿真中的48次降至5次，降幅89%。

该工作提出一个受双过程理论启发的混合框架：用TransFuser++神经网络在常规场景生成类人轨迹，用基于知识图谱推理的风险场驱动元认知组件判断是否切换到模型预测控制规划器，并在CARLA中针对车辆（含救护车）闯红灯的分布外场景测试，结果显示车对车碰撞由160次仿真中的48次降至5次，降幅89%。

作者提出 ViRA——一种与规划器无关的视觉表征对齐框架，在训练时用冻结的视觉基础模型（VFM）中间特征监督规划器编码器，推理时丢弃对齐模块，从而不改变规划器结构与推理成本；在 NAVSIM v2 与 HUGSIM 上，ViRA 让回归式、扩散式与评分式三类规划器一致获得驾驶性能提升，且增益取决于 VFM 目标选择与规划器是否使用辅助感知监督。

作者提出 ViRA——一种与规划器无关的视觉表征对齐框架，在训练时用冻结的视觉基础模型（VFM）中间特征监督规划器编码器，推理时丢弃对齐模块，从而不改变规划器结构与推理成本；在 NAVSIM v2 与 HUGSIM 上，ViRA 让回归式、扩散式与评分式三类规划器一致获得驾驶性能提升，且增益取决于 VFM 目标选择与规划器是否使用辅助感知监督。

该工作提出 GeoCoTDrive，一种面向自动驾驶视觉-语言-动作模型的显式几何思维链框架：先自回归定位与自车决策相关的二维区域，再从冻结的几何基础模型特征图中按这些区域采样局部三维几何 token 并交织进自回归上下文以生成轨迹；同时提出规划相关定位任务并构建含 146K 标注的 PlanningGrounding 数据集，在 nuScenes、NAVSIM、Bench2Drive 上改善了安全相关规划指标。

该工作提出 GeoCoTDrive，一种面向自动驾驶视觉-语言-动作模型的显式几何思维链框架：先自回归定位与自车决策相关的二维区域，再从冻结的几何基础模型特征图中按这些区域采样局部三维几何 token 并交织进自回归上下文以生成轨迹；同时提出规划相关定位任务并构建含 146K 标注的 PlanningGrounding 数据集，在 nuScenes、NAVSIM、Bench2Drive 上改善了安全相关规划指标。