Reflect-VLA用双路在策略自蒸馏内化反思引导

Yuechen Luo 等研究者提出 Reflect-VLA 方法，把反思引导当作训练期特权信息，通过双路在策略自蒸馏（Dual-OPSD）内化其规划收益：驾驶分数只用于路由学生生成的轨迹，对风险轨迹从教师蒸馏稠密的 token 级纠正分布，对可靠轨迹做自我模仿。 论文称，在 NAVSIM v1/v2 和 Bench2Drive 上的实验显示该方法规划性能有竞争力，训练时间比强化学习减少 90% 以上；推理时单次生成轨迹，无需显式引导或迭代精炼。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。