论文发现驾驶VLA的文本推理与轨迹行为耦合较弱
资讯摘要
论文针对驾驶视觉-语言-动作（VLA）模型，用因果反事实干预检验其文本推理与轨迹是否真正关联。作者对四个驾驶VLA在多个基准上扰动模型自身推理，发现改变推理含义带来的轨迹变化远小于遮蔽相机输入的影响；又通过移除推理中点名的关键物体构造场景级反事实，观察推理与轨迹是否随之改变。作者报告，这些模型给出的推理与其驾驶行为耦合较弱，限制了其可解释性。
要点速读
- 论文对四个驾驶VLA在多个基准上施加因果反事实干预
- 扰动模型自身推理引起的轨迹变化，小于遮蔽相机输入带来的变化，且跨基准与架构持续存在
- 通过真实感移除推理中点名的关键物体构造场景级反事实，检验推理与轨迹是否跟随变化
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。