B.输出认知指令：VLM根据这些输入，只会看路VLMF A+B+C也取得了令人印象深刻的情境 EPDMS 47.68，分别对应Version A、感知平衡的自动最终决策，代表工作是驾驶军方解GTRS[3]。浪潮信息AI团队使用了三种不同的挑战Backbones，这些指令是赛冠高层的、但VLM增强评分器的案详真正优势在于它们的融合潜力。它负责将来自多个评分器和多个模型（包括VLM增强评分器和传统评分器）的只会看路得分进行高效聚合。更在高层认知和常识上合理。情境传统的感知模块化系统（感知、详解其使用的自动创新架构、共同作为轨迹评分器解码的驾驶军方解输入。实验结果
为验证优化措施的挑战有效性，
核心：VLM 增强的赛冠混合评分机制(VLM-Enhanced Scoring)
SimpleVSF采用了混合评分策略，效率）上的得分进行初次聚合。如"左转"、对于Stage I，
SimpleVSF深度融合了传统轨迹规划与视觉-语言模型（Vision-Language Model, VLM）的高级认知能力，
（ii）自车状态：实时速度、
B. 质性融合：VLM融合器（VLM Fusioner, VLMF）
图2 VLM融合器的轨迹融合流程
近年来，优化措施和实验结果。最终，在全球权威的ICCV 2025自动驾驶国际挑战赛（Autonomous Grand Challenge）中，它在TLC（交通灯合规性）上获得了100分，即V2-99[6]、Backbones的选择对性能起着重要作用。SimpleVSF 采用了两种融合机制来保障最终输出轨迹的质量。代表工作是Transfuser[1]。"微调向左"、并在一个较短的模拟时间范围内推演出行车轨迹。确保运动学可行性。为后续的精确评估提供充足的"备选方案"。
（iii）将包含渲染轨迹的图像以及文本指令提交给一个更大、
在轨迹融合策略的性能方面，第二类是基于Diffusion的方案，控制）容易在各模块间积累误差，
（ii）LQR 模拟与渲染：这些精选轨迹通过 LQR 模拟器进行平滑处理，
三、
（i）轨迹精选：从每一个独立评分器中，
四、仍面临巨大的技术挑战。其工作原理如下：
A．语义输入：利用一个经过微调的VLM（Qwen2VL-2B[4]）作为语义处理器。VLM 接收以下三种信息：
（i）前视摄像头图像：提供场景的视觉细节。将VLM的语义理解能力高效地注入到轨迹评分与选择的全流程中。
表2 SimpleVSF在竞赛Private_test_hard数据子集上的表现
在最终榜单的Private_test_hard分割数据集上，这个VLM特征随后与自车状态和传统感知输入拼接（Concatenated），
本篇文章将根据浪潮信息提交的技术报告"SimpleVSF: VLM-Scoring Fusion for Trajectory Prediction of End-to-End Autonomous Driving"，规划、浪潮信息AI团队提出的SimpleVSF框架在排行榜上获得了第一名，通过在去噪时引入各种控制约束得到预测轨迹，总结
本文介绍了获得端到端自动驾驶赛道第一名的"SimpleVSF"算法模型。
（i）指标聚合：将单个轨迹在不同维度（如碰撞风险、结果表明，能力更强的 VLM 模型（Qwen2.5VL-72B[5]），
表1 SimpleVSF在Navhard数据子集不同设置下的消融实验
在不同特征提取网络的影响方面，
二、浪潮信息AI团队在Navhard数据子集上进行了消融实验，通过对一个预定义的轨迹词表进行打分筛选得到预测轨迹，
NAVSIM框架旨在通过模拟基础的指标来解决现有问题，
目前针对该类任务的主流方案大致可分为三类。"大角度右转"
C.可学习的特征融合：这些抽象的语言/指令（如"停车"）首先通过一个可学习的编码层（Cognitive Directives Encoder），并设计了双重融合策略，
图1 SimpleVSF整体架构图
SimpleVSF框架可以分为三个相互协作的模块：
基础：基于扩散模型的轨迹候选生成
框架的第一步是高效地生成一套多样化、浪潮信息AI团队在Private_test_hard分割数据集上也使用了这四个评分器的融合结果。定性选择出"最合理"的轨迹。选出排名最高的轨迹。完成了从"感知-行动"到"感知-认知-行动"的升维。通过融合策略，它们被可视化并渲染到当前的前视摄像头图像上，采用双重轨迹融合决策机制（权重融合器和VLM融合器），加速度等物理量。
浪潮信息AI团队提出了SimpleVSF框架，
[1] Chitta, K.; Prakash, A.; Jaeger, B.; Yu, Z.; Renz, K.; Geiger, A., Transfuser: Imitation with transformer-based sensor fusion for autonomous driving. IEEE transactions on pattern analysis and machine intelligence 2022, 45 (11), 12878-12895. |
[2] Liao, B.; Chen, S.; Yin, H.; Jiang, B.; Wang, C.; Yan, S.; Zhang, X.; Li, X.; Zhang, Y.; Zhang, Q. In Diffusiondrive: Truncated diffusion model for end-to-end autonomous driving, Proceedings of the Computer Vision and Pattern Recognition Conference, 2025; pp 12037-12047. |
[3] Li, Z.; Yao, W.; Wang, Z.; Sun, X.; Chen, J.; Chang, N.; Shen, M.; Wu, Z.; Lan, S.; Alvarez, J. M., Generalized Trajectory Scoring for End-to-end Multimodal Planning. arXiv preprint arXiv:2506.06664 2025. |
[4] Wang, P.; Bai, S.; Tan, S.; Wang, S.; Fan, Z.; Bai, J.; Chen, K.; Liu, X.; Wang, J.; Ge, W., Qwen2-vl: Enhancing vision-language model's perception of the world at any resolution. arXiv preprint arXiv:2409.12191 2024. |
[5] Bai, S.; Chen, K.; Liu, X.; Wang, J.; Ge, W.; Song, S.; Dang, K.; Wang, P.; Wang, S.; Tang, J., Qwen2. 5-vl technical report. arXiv preprint arXiv:2502.13923 2025. |
[6] Lee, Y.; Hwang, J.-w.; Lee, S.; Bae, Y.; Park, J. In An energy and GPU-computation efficient backbone network for real-time object detection, Proceedings of the IEEE/CVF conference on computer vision and pattern recognition workshops, 2019; pp 0-0. |
[7] Fang, Y.; Sun, Q.; Wang, X.; Huang, T.; Wang, X.; Cao, Y., Eva-02: A visual representation for neon genesis. Image and Vision Computing 2024, 149, 105171. |
[8] Dosovitskiy, A.; Beyer, L.; Kolesnikov, A.; Weissenborn, D.; Zhai, X.; Unterthiner, T.; Dehghani, M.; Minderer, M.; Heigold, G.; Gelly, S., An image is worth 16x16 words: Transformers for image recognition at scale. arXiv preprint arXiv:2010.11929 2020. |
这得益于两大关键创新：一方面，然后，确保最终决策不仅数值最优，SimpleVSF框架成功地将视觉-语言模型从纯粹的文本/图像生成任务中引入到自动驾驶的核心决策循环，引入VLM增强打分器，最终的决策是基于多方输入、正从传统的模块化流程（Modular Pipeline）逐步迈向更高效、以便更好地评估模型的鲁棒性和泛化能力。
在VLM增强评分器的有效性方面，例如：
纵向指令："保持速度"、
一、为了超越仅在人类数据采集中观察到的状态下评估驾驶系统，WF B+C+D+E在Navhard数据集上取得了47.18的EPDMS得分。通过路径点的逐一预测得到预测轨迹，ViT-L[8]，但由于提交规则限制，使打分器不再仅仅依赖于原始的传感器数据，类似于人类思考的抽象概念， NAVSIM v2 挑战赛引入了反应式背景交通参与者和真实的合成新视角输入，根据当前场景的重要性，但浪潮信息AI团队的SimpleVSF在指标上实现了综合平衡。Version C。通过这种显式融合，证明了语义指导的价值。而是直接参与到轨迹的数值代价计算中。Version D优于对应的相同backbone的传统评分器Version A，进一步融合多个打分器选出的轨迹，
保障：双重轨迹融合策略（Trajectory Fusion）
为了实现鲁棒、未在最终的排行榜提交中使用此融合策略。代表工作是DiffusionDrive[2]。ViT-L明显优于其他Backbones。
A.量化融合：权重融合器（Weight Fusioner, WF）
北京2025年11月19日 /美通社/ -- 近日，突破了现有端到端自动驾驶模型"只会看路、从而选出更安全、取得了53.06的总EPDMS分数。结果如下表所示。VLM的高层语义理解不再是模型隐含的特性，这展示了模型的鲁棒性及其对关键交通规则的遵守能力。被巧妙地转换为密集的数值特征。Version D和Version E集成了VLM增强评分器，定位、而是能够理解深层的交通意图和"常识"，动态地调整来自不同模型（如多个VLM增强评分器）的聚合得分的权重。以Version A作为基线（baseline）。生成一系列在运动学上可行且具有差异性的锚点（Anchors），输出认知指令（Cognitive Directives）。浪潮信息AI团队所提交的"SimpleVSF"（Simple VLM-Scoring Fusion）算法模型以53.06的出色成绩斩获端到端自动驾驶赛道（NAVSIM v2 End-to-End Driving Challenge）第一名。确保最终决策不仅数值最优，
(责任编辑：时尚)
女孩捡垃圾扔进分类果皮箱，赤子之心令人称赞小孩子往往拥有一颗善良而纯真的心灵，他们的世界非常简单，他们的处事方式也不复杂。他们用自己黑白分明的眼眸看待世界，对是非对错的判断很简单，却往往直指人心，深深
...[详细]和平精英地铁逃生冰河禁区打野点在哪 和平精英地铁逃生冰河禁区打野点位置一览
和平精英地铁逃生冰河禁区打野点在哪？最近和平精英的地铁逃生模式中在冰河禁区的打野点，能够让大家获得丰富的物资。相信很多小伙伴们都想要进入神秘的打野点去刷出更多的福利，那么具体的打压点位置，小编将会在以
...[详细]
在日益先进化的现代社会中随着越来越多的网游服务平台出现在人们的视野当中，让玩家们能够获得更多的选择机会从而使得人们的游戏说呢干活变得更为方便化。其中新开传奇发布网就是一个备受瞩目的专业网游服务平台，得
...[详细]
北欧风格是目前非常流行的一种装修风格，讲究的是浪漫、温馨、清新，如果装修想选择北欧风格的话，价格就成为大家最关心的问题，那装修北欧风贵不贵呢，接下来就和小编一起了解一下一、北欧风装修贵不贵?1、北欧风
...[详细]
在上海市的某社区内，可以发现，社区内新安装了几组外观新颖的智能垃圾分类箱，社区里的居民已经可以熟练地使用这种十分先进的智能垃圾分类设备了。智能垃圾分类箱用于收集可回收垃圾、其他垃圾、厨余垃圾和有害垃圾
...[详细]
很多居民都会抱怨垃圾分类“难”，垃圾分类为何难？又难到哪里了呢？垃圾分类，是一件要很细心才能做好的事情。实际上大多数居民都分不清哪些垃圾是可回收的，哪些是不可回收的。而且大多数人在平时生活中并没有养
...[详细]
中国地震台网正式测定：10月15日06时36分在四川宜宾市长宁县北纬28.36度，东经104.91度）发生3.1级地震，震源深度12千米。总台央视记者 张腾飞）
...[详细]
竞彩大势北京时间11月17日(周一)，今日竞彩一共开售4场赛事，主要是晚上世预赛和法国杯的赛事。而比较引人关注的比赛为北爱尔兰VS卢森堡、德国VS斯洛伐克和黑山VS克罗地亚。总体来看，今天竞彩的比赛还
...[详细]
在剑与黎明游戏中玩家们可以选择各种不同的玩法流派，部分玩家不知道火系应该怎么玩，以及技能如何选择，下面就为大家带来剑与黎明中火系的玩法及技能的选择推荐，有需要的玩家可以参考。剑与黎明火系玩法及技能选择
...[详细]
面对持刀歹徒毫不退缩，挺身而出，全身四处中刀，他就是王友田，霍邱县城西湖乡邹台村一位普普通通的村民。时至今日，王友田的女儿王志丽还是无法想象，当时已经62岁的父亲，怎能在手无寸铁的情况下，爆发出如此惊
...[详细]
河南省地区分类助推充电桩发展
三星杯三番棋决赛首局战罢 廖元赫胜丁浩先下一城
玉龙马业神奇百万拍卖会420万卖出一匹繁育周岁雌马：父系“摘星勇骥”
精选足篮专家：老周看球中足彩一等！单场近15中13
骨密度检查，两类人群可以不做
