یکی از بزرگترین چالشهای مدلهای بینایی-زبانی (VLM) در خودروهای خودران، تضاد بین دقت استدلال و سرعت پردازش است. روشهای فعلی یا کند هستند یا دچار خطاهای منطقی میشوند.
محققان با معرفی فریمورک CritiqueDriveVLM، این مشکل را حل کردهاند:
✅ آموزش تقویتی (RL): مدل یاد میگیرد بدون نیاز به ابزارهای جانبی، منطق رانندگی را درک کند.
✅ تقطیر دانش (Latent Thought Distillation): قابلیتهای استدلال پیچیده فشردهسازی شدهاند تا مدل بتواند در لحظه و با سرعت بالا تصمیمگیری کند.
نتیجه این تحقیقات، جهش خیرهکننده دقت در بنچمارکهای رانندگی هوشمند بوده است که آیندهای امنتر برای خودروهای خودران رقم میزند. 🚀
منبع: arXiv AI