25年8月30日理想发布 OmniReason:A Temporal-Guided Vision-Language-Action Framework for Autonomous Driving 最大的创新点是通过一个包含大数据集和新模型的闭环，将人类的先验驾驶知识和时序因果链条，通 过知识蒸馏的方式注入到模型中，让自动驾驶的行为不仅安全可靠，而且可解释、更像人。 三大核心贡献: 发布两个时空VLA数据集：OmniReason-nuScenes和OmniReason-Bench2Drive。 这两个大规模数据集富含密集的时空标注和自然语言形式的因果解释。与DRAMA、DriveLM等现有 数据集相比，OmniReason在多视角图像、时序数据、因果推理支持以及天气和道路类型的多样性上 实现了更全面的覆盖。 香港中文大学广州的Jun Ma为通讯作者，香港中文大学的Pei Liu与理想的Qingtian Ning为共同一作。 理想OmniReason是一个提升自动驾驶系统智能性与可靠性的VLA框架。传统方法主要聚焦于静态场 景的理解，类似看图说话，忽略了真实驾驶中至关重要的时间维度和决策背后的因果逻辑，导致其在 ...