跳到正文
arXiv · 机器人与计算机视觉· Xurui Song, Shuo Huai, JingJing Jiang, Jiayi Kong, Jun Luo·· 2026-10-09AI 评分74

More Than Meets the Eye? Uncovering the Reasoning-Planning Disconnect in Training Vision-Language Driving Models

More Than Meets the Eye? Uncovering the Reasoning-Planning Disconnect in Training Vision-Language Driving Models

AI 导读

该研究构建 DriveMind 大规模驾驶视觉问答数据集与训练免费探测工具,发现视觉语言模型中的推理过程并非规划轨迹的因果驱动因素,而是自回归生成的副产品。实验表明移除自车或导航先验会导致规划分数大幅下降,而移除思维链(CoT)仅产生微小变化,证实了推理与规划的脱钩现象。

来源:arXiv · 机器人与计算机视觉 · arxiv.org