規則式規劃

深度分析

Neuro‑Symbolic Drive：結合規則式規劃與視覺語言模型的自駕車推理框架

為提升自駕車語言模型的可解釋性與行為一致性，研究者將傳統規則式規劃器的執行痕跡轉換為結構化推理序列，作為視覺語言模型的監督。實驗在模擬環境中顯示，加入詳細規則推理可將3秒ADE從0.47降至0.26，失敗率亦下降近二成，顯示規則導向的推理能顯著提升安全性。