1 个月前
1 个月前
想象你坐在一辆自动驾驶车里，前方路口红灯转绿，旁边的电动车正在犹豫要不要加速。你知道人类司机可能会先慢半秒观察，或者平稳跟车，甚至稍微给点油快速通过——但你的AI只会做同一种选择：踩着固定的油门，沿着几乎分毫不差的轨迹往前开。这不是科幻场景，而是当前自动驾驶VLA模型的真实困境：它们在训练中陷入了“策略囚笼”，只会模仿单一的“标准答案”，丧失了探索多样驾驶策略的能力。直到Curious-VLA的出现，才打破了这个囚笼的门锁。
你可以把自动驾驶VLA模型的训练想象成学开车：如果教练只让你练一种固定路线，哪怕练一万次，遇到突发情况你还是会慌。当前主流VLA模型就是这么学的——在模仿学习阶段，它们被要求精准复刻人类司机的某一条轨迹，把“和示范轨迹一模一样”当成唯一目标。
这种训练逻辑的问题在于，真实驾驶根本没有“标准答案”。同一个路口，早0.5秒刹车和晚0.5秒刹车都是安全的；同一段拥堵路，跟紧前车和保持车距都是合理的。但模仿学习会把这些多样的选择全部当成“错误答案”，逼着模型收敛到一条狭窄的策略上。
更糟的是，训练时模型会自动优先拟合远期轨迹的误差——就像学开车时只盯着远方的路牌，却忘了脚下的油门和刹车。这导致模型对近距离的关键操作细节完全麻木，策略空间被压缩到极致。等进入强化学习阶段，模型已经只会生成几乎完全相同的轨迹，奖励样本的方差趋近于零，就像给一个只会走直线的人发方向舵，强化学习彻底失去了优化的空间。
Curious-VLA的解决思路直接瞄准了问题根源：先给模型看够多样的“正确答案”，再逼着它主动探索新的可能。
第一步是给训练数据“扩容”。研究团队从Navsim数据集里挑出1.2万段最复杂的驾驶场景——比如多车道汇流、遮挡路口，用扩散模型生成上百条符合交通规则的安全轨迹，再通过PDMS安全评分过滤，最终把训练数据从10万条扩展到14.2万条。相当于给学开车的人看100个老司机过同一个路口的不同操作，而不是只看一个人的。
但光有多样数据还不够，模型还是会盯着远期轨迹忽略细节。于是他们又加了“分步归一化”：把每一个时间步的轨迹坐标单独做标准化处理，让远近轨迹的误差权重变得均衡。就像练开车时，教练既要求你看远方，也逼你盯着仪表盘和前车距离，确保你学到的是完整的驾驶技能，而不是只会画轨迹。
到了强化学习阶段，Curious-VLA又搞了个“聪明采样”：只挑那些能产生多样策略的场景来训练。比如一个空旷的直路，模型怎么开都不会有差异，就直接跳过；但到了人车混行的路口，模型的不同选择会带来完全不同的奖励，就反复练这个场景。同时把奖励函数做了非线性变换，放大好策略和普通策略的差异——就像教练给平稳通过的打100分，给勉强通过的打60分，而不是都给80分，让模型清楚知道什么是真正的好操作。
实验结果给出了最直接的证明：在Navsim基准测试中，Curious-VLA的PDMS得分达到90.3，比之前的SOTA模型提升了1.2分；在nuScenes数据集上，碰撞率降到0.33%，安全性能提升了13%。更惊人的是“Best-of-N”测试——从模型生成的多条轨迹里选最优的，Curious-VLA的得分达到了94.8，和人类司机的轨迹得分完全持平。
这意味着，当AI能生成多样的驾驶策略时，它其实已经具备了接近人类的决策能力。Waymo的公开数据也印证了这一点：他们的多模型并行策略，让自动驾驶车辆在模拟测试中应对突发情况的成功率提升了15%。而2023年的一项安全评估显示，缺乏多样性训练的模型，面对非典型交通事件的事故率比平均水平高出30%以上。
更值得关注的是，Curious-VLA完全抛弃了传统VLA模型外挂的规划模块，只靠多模态大模型的自回归能力就实现了SOTA性能。这不仅简化了系统结构，更意味着它能充分利用大模型的规模效应——模型越大，探索能力越强，性能提升的天花板被彻底打开了。
当我们谈论自动驾驶的未来时，总在说“更安全”“更智能”，但往往忽略了，智能的核心不是“做对题”，而是“会选路”。Curious-VLA的突破，本质上是把AI从“考试机器”变回了“司机”——它不再只会复刻标准答案，而是能像人类一样，在复杂多变的道路上，做出多样而合理的选择。
多样性，才是自动驾驶的安全底色。未来的自动驾驶AI，不该是只会走一条路的“乖学生”，而该是能应对各种路况的“老司机”。Curious-VLA的出现，只是这个转变的开始。
点击充电，成为大圆镜下一个视频选题！