arXiv · Robotics· Yuechen Luo, He Chong, Fang Li, Shaoqing Xu, Hexin Zhang, Ruiqi Zhang, Ziying Song, Lei Yang, Zhi-Xin Yang, Fuxi Wen·· 3 hr agoAI score31
Reflect-VLA：通过双路径在线策略自蒸馏内化反思引导用于自动驾驶
Reflect-VLA: Internalizing Reflective Guidance via Dual-Path On-Policy Self-Distillation for Autonomous Driving
AI brief
Reflect-VLA 将反思引导作为训练期特权信息，通过双路径在线策略自蒸馏（Dual-OPSD）内化其规划收益，推理时单次前向生成轨迹，无需显式引导或迭代修正。该方法仅用驾驶分数路由学生生成的轨迹，对高风险轨迹蒸馏 token 级修正分布，对可靠轨迹做自模仿。在 NAVSIM v1/v2 和 Bench2Drive 上取得有竞争力的规划性能，训练时间较 RL 缩短 90% 以上。
Source: arXiv · Robotics · arxiv.org