Qwen2.5VL-7B

OmniDrive-R1 通过强化驱动的视觉基础增强自动驾驶 VLMs

研究人员推出 OmniDrive-R1，一个用于自动驾驶的新型框架，它使用交错多模态思维链 (iMCoT) 机制整合感知和推理。该方法通过采用强化驱动的视觉基础能力，解决了视觉语言模型中常见的对象幻觉问题。该系统利用独特的无标注训练流程和 Clip-GRPO 算法，该算法在不需要密集定位标签的情况下生成基础奖励。实验表明，与基线模型相比，OmniDrive-R1 显著提高了推理分数和准确性。