# 几何思维链

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。