AdaThinkDrive: Адаптивное мышление посредством усиления обучения автономному вождению

arXiv: 25009.13769v2 Annualce Type: заменить резюме: Хотя в моделях Vision Language Action (VLA) широко используется технология рассуждения, как Beach of Dought (CT), она демонстрирует многообещающие возможности для прекращения автономного вождения. Вместе с тем недавние усилия по интеграции соображений, касающихся cot, зачастую не дают достаточных результатов в простых сценариях и предусматривают ненужные расчетные накладные расходы без повышения качества принимаемых решений. Для решения этой проблемы мы предлагаем AdaThinkDriive, новую систему VLA с двойным механизмом рассуждения, вдохновляемый быстрым и медленным мышлением. Во-первых, наши рамки предварительно подготовлены на основе сценариев с использованием автономных моделей вождения (АД), в которых используются как ответы на вопросы (ОК), так и наборы траекторий для приобретения мировых знаний, а также путевого достояния. В ходе контролируемой тщательной настройки (SFT) мы ввели два набора данных, быстро дающих ответ (w/o cot), и медленное мышление (с coT), что позволяет модели проводить различие между сценариями, требующими обоснования. Кроме того, адаптивная стратегия награды — это