今日开课！清华团队带队梳理自动驾驶VLA学习路线：算法+实践

端到端之后，学术界和工业界聚焦的方向是什么？无疑是VLA。VLA提供了类人思考的能力，把车辆决策的过程通过思维链的形式展现出来，从而提 供更可靠更安 全的自动驾驶能力。 自动驾驶VLA目前可以分为模块化VLA、一体化VLA和推理增强VLA三个子领域。 而传统的BEV感知、车道线、Occupancy等方向相对成熟了，无论是学术界或工业界关注度都在逐渐下降。目前 自动驾驶VLA是各家企业急需攻克的方案。主流的 自动驾驶企业，无论是智驾方案供应商还是车企，都在发力自动驾驶VLA的自研。 为此，我们联合清华的教研团队， 花了三个月的时间设计了一套自动驾驶VLA 的学习路线图， 从原理到实战细致展开。 自动驾驶VLA涉及的核心内容包括视觉感知、大语言模型、Action建模、大模型部署、数据集制作等等。最前沿的算法包括CoT、MoE、RAG、强化学习。通过学 习VLA，可以让自己对自动驾驶的感知系统有更深刻的认知。 Max，QS30高校博士在读 ：在EMNLP、IROS、ICCV、AISTATS等国际顶级会议发表多篇论文，研究方向涵盖多模态大模型与自动驾驶VLA等前沿领域。长期维 护GitHub上多个自动驾驶与计算机视觉 ...