清华北航 DriveTeach-VLA：教自动驾驶模型看清路况，刷新纪录

机器之心 · wechat · 2026-08-10

清华大学、北航与滴滴联合团队提出 DriveTeach-VLA 模型，旨在解决现有自动驾驶视觉-语言-动作（VLA）模型过度依赖文本推理而忽视视觉要素的问题。该论文已被 ECCV 2026 接收。

研究指出，大模型虽然能描述驾驶场景，但真正决定安全的是生成轨迹时的视觉注意力。为此，团队设计了三大模块：通过驾驶知识蒸馏（DVD）让模型聚焦关键交通对象；利用 2D 图像轨迹提示（2D-TGP）将抽象的鸟瞰图（BEV）轨迹映射到像素空间，激活基模固有的读图能力；最后进行行为对齐。该模型在 NAVSIM 测试中达到 90.4 PDMS，配合轨迹选择器更提升至 92.7，创下当前最优（SOTA）性能。