驾驶VLA能感知危险却不刹车，研究提出无重训练修复

Matteo Cercola 等研究发现，推理型视觉-语言-动作（VLA）驾驶模型存在“感知-动作绑定缺口”：能感知并推理安全关键危险，却无法把该证据转化为刹车等安全动作。通过匹配的仿真反事实与日志回放，作者称路径内危险确实被编码在视觉表示中，但纵向规划主要由自车速度历史主导，对危险距离和模型自身推理轨迹响应微弱。 为修复该缺口，研究者在不重训练、不改权重的前提下，向冻结的 Alpamayo-1.5 流匹配采样器注入危险条件能量。作者报告，在具备精确障碍物几何信息时，该引导将足迹侵入率从 58.1% 降至 14.5%，并在停车距离充足时恢复安全刹车，在其刹车相关闭环测试中完全消除碰撞。

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。