近日，清华大学车辆学院李克强院士团队在一段式多模态端到端自动驾驶模型取得重要进展。这一工作由李升波教授、关阳助理研究员所率领的研究组负责，团队自主研发的iDriveVLA模型在国际知名的NAVSIM自动驾驶评测基准获得全球第一名的成绩。根据NAVSIM公开榜单，iDriveVLA在核心综合指标PDMS上达到94.85的评分。这是团队继研发国内首套全栈式端到端自动驾驶系统之后，在端到端基座模型方向的又一重要工作。

NAVSIM挑战赛榜单

iDriveVLA为一段式多模态端到端模型，它围绕当前自动驾驶模型轨迹完备性与选择准确性难以兼顾的挑战，作出了两点关键创新：一、构建了分层解耦的互注意力神经网络模型架构，涵盖图像编码器、多模态轨迹解码器、评估选择解码器等共性单元原子化组件。各组件依托宏观驾驶语义与微观性能得分进行组合优化，结合低性能轨迹的概率型门控过滤机制，提升了模型对驾驶安全性、驾驶合规性等要求的认知理解能力。二、训练平台使用了团队提出的两阶段阶梯训练法，即先监督预训练后强化学习微调：首先通过模仿学习专家驾驶轨迹，建立模型的基础驾驶能力，然后利用三项强化学习领域的关键技术，包括抗多源数据冲突的和谐梯度BPO、指数分布加权混合损失函数Hybrid-Loss、以及虚假词元剔除的微调算法STAPO等，实现了城市交通场景多模态轨迹的高完备生成与高准确评估。本次iDriveVLA登顶NAVSIM挑战赛榜单，进一步体现了团队在车路云一体化自动驾驶基座模型方向的持续创新能力，也为高安全、高可靠、高泛化的自动驾驶系统开发提供了技术支撑。

该研究得到国家自然科学基金重点项目、北京市自然科学基金地区联合项目、东风汽车集团有限公司的资助。

NAVSIM挑战赛由英伟达、斯坦福大学、图宾根大学、上海人工智能实验室等机构共同发起，由人工智能领域的顶级会议CVPR于2024年正式公布，是端到端自动驾驶领域的重要公开基准。据不完全统计，近年吸引超143支队伍、463个模型参与，汇聚了英伟达、博世、Valeo.ai、地平线、小米汽车、长安汽车、华为引望、千里科技等国内外知名企业以及UCLA、多伦多大学、洛桑联邦理工学院、香港大学、复旦大学等知名高校。挑战赛以Predictive Driver Model Score（PDMS）为核心技术指标，通过综合计算固定时域内的碰撞风险、行车进度、合规性和舒适性等多维指标，评估所提交模型的自动驾驶能