Skip to content
Hot eventLive

Reflect-VLA：双路径在线自蒸馏内化反思引导

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv Robotics 发布一手论文，提出 Reflect-VLA，用于自动驾驶规划。该方法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；推理时仅需单次前向即可生成轨迹，无需显式引导或迭代修正。其机制为：仅用驾驶分数对学生生成的轨迹进行路由，对高风险轨迹蒸馏 token 级修正分布，对可靠轨迹做自模仿。实验在 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。目前未见后续报道或矛盾信息。

Generated from reports · updated 2 hr ago

LatestOct 12
arXiv 发布 Reflect-VLA 论文，提出 Dual-OPSD，推理免显式引导，训练较 RL 缩短 90% 以上。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Robotics
    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 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。

Heat trend

There is not enough continuous observation data to draw a trend yet.