点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 编辑 | 自动驾驶之心 首先看上图，展示了Tesla标准的端到端自动驾驶方案，其中Large Neural Network可以为LLM（Large Language Model），也可以为非LLM架构，总之是一个具有强大 表征能力的大规模神经网络。这种架构通过直接从传感器输入到控制输出的映射，避免了传统模块化系统的复杂性和错误累积问题。然而，这种端到端架构在实际部 署中面临着如下三大核心挑战： 论文标题 ：UniLION: Towards Unified Autonomous Driving Model with Linear Group RNNs 论文链接 ：https://arxiv.org/pdf/2511.01768 项目链接 ：https://github.com/happinesslz/UniLION UniLION主要特点：统一的3D骨干网络架构，基于线性组RNN实现线性计算复杂度，解决了传统Transformer在处理长序列数据时的计算效率瓶 ...

编辑 | 自动驾驶之心 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Zhe Liu等 尽管多模态大语言模型(MLLMs)在各种领域展示了强大的能力，但它们在自动驾驶中生成精细化3D感知和预测输出的应用仍有待探索。本文提出了DrivePI，一种新 型的空间感知4D MLLM，作为统一的视觉-语言-行为(VLA)框架，同时兼容视觉-行为(VA)模型。我们的方法通过端到端优化，并行执行空间理解、3D感知(如3D占用 体素)、预测(如占用流)和规划(如动作输出)任务。为了获取精确的几何信息和丰富的视觉外观，我们的方法在统一的MLLM架构中集成了点云、多视角图像和语言指 令。我们还开发了一个数据引擎，用于生成文本-占用和文本-流问答对，以实现4D空间理解。 值得注意的是，仅使用0.5B参数的Qwen2.5模型作为MLLM主干网络，DrivePI作为单一统一模型，性能已经匹配或超越了现有的VLA模型和专业的VA模型。具体而 言，与VLA模型相比，DrivePI在nuScenes-QA上的平均准确率比 ...