论文页面 - SafeDriveVLA：面向冲突感知端到端自动驾驶的导航条件世界模型想象

来源：https://huggingface.co/papers/2610.20609

摘要

视觉-语言-动作(VLA)模型在自动驾驶领域日益受到关注，它们继承了大语言模型(LLM)的常识先验，并将导航接口从固定的指令集扩展为自由形式的自然语言指令。然而，这种开放式接口也暴露出新的漏洞面：疏忽的驾驶员可能会发出在当前场景下不安全的指令，而恶意用户则可能故意发出危险指令。我们提出了首个同时评估导航指令遵循能力、冲突感知能力以及对抗鲁棒性的基准套件。现有VLA在这两方面均表现不足：SimLingo在闭环中未能完成任何由语言指令引导的变道，且所有模型在相互冲突的信号下性能均显著下降。我们提出SafeDriveVLA，这是首个具备以下能力的驾驶VLA：(1)显式预测三级导航遵从模式，将冲突推理与动作生成解耦；(2)利用以导航为条件的世界模型想象来辅助这一预测。与根据专家动作或规划动作推演的既有世界模型不同，我们的模型想象严格遵循导航信号的情形，从而展示何时遵循导航是安全的。SafeDriveVLA在Bench2Drive上取得了88.16的驾驶得分(DS)和68.64%的成功率(SR)；与表现最佳的SimLingo变体相比，闭环语言指令遵循能力提升了49.3%，并将不安全指令下的碰撞次数从60次降至38次。视频演示可在我们的项目页面查看。

查看arXiv页面 (https://arxiv.org/abs/2610.20609)查看PDF (https://arxiv.org/pdf/2610.20609)项目页面 (https://safedrive-vla.github.io/SafeDriveVLA)GitHub19 (https://github.com/ASGuard-UCI/safedrive-vla)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.20609)

在你的智能体中获取这篇论文：

hf papers read 2610\.20609

还没有最新版CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型链接到这篇论文

在模型的README.md中引用arxiv.org/abs/2610.20609，即可从本页面链接到该模型。

引用这篇论文的数据集0

没有数据集链接到这篇论文

在数据集的README.md中引用arxiv.org/abs/2610.20609，即可从本页面链接到该数据集。

引用这篇论文的Space0

没有Space链接到这篇论文

在Space的README.md中引用arxiv.org/abs/2610.20609，即可从本页面链接到该Space。

收录这篇论文的合集0

没有合集收录这篇论文

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可从本页面链接到该合集。