DriveBench：VLM在自动驾驶中真的可靠吗？（ICCV‘25）

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近30个方向学习路线

>>直播和内容获取转到 → 自动驾驶之心知识星球

点击按钮预约直播

视觉语言模型（VLM）的最新进展激发了人们将其应用于自动驾驶的兴趣，尤其是通过自然语言生成可解释的驾驶决策。然而关于VLM是否能为驾驶提供基于视觉的、可靠的且可解释的解释，这一假设在很大程度上尚未得到验证。为填补这一空白，我们推出了DriveBench，这是一个基准数据集，旨在评估VLM在17种设置下的可靠性，包含19,200帧、20,498个问答对、三种问题类型、四种主流驾驶任务以及总共12个流行的VLM。

自动驾驶之心很荣幸邀请到加州大学尔湾分校在读博士生 - 谢少远，为大家分享介绍这篇ICCV 2025中稿的DriveBench。一个专为自动驾驶设计的视觉语言模型(VLMS)基准测试框架，旨在评估VLMs在不同环境和任务下的可靠性。DriveBench涵盖感知、预测、规划和行为四大核心任务，并引入 15种OoD类型，以系统性测试VLMs 在复杂驾驶场景中的可靠性。今天上午十一点，锁定自动驾驶之心直播间，我们不见不散~

论文标题：Are VLMs Ready for Autonomous Driving? An Empirical Study from the Reliability, Data, and Metric Perspectives

论文链接：https://arxiv.org/abs/2501.04003

项目链接：https://drive-bench.github.io/

更多精彩回顾

插入视频号视频

🚀 直播精华看不够？完整版深度内容已独家上线知识星球「自动驾驶之心」！涵盖所有技术细节、QA及未公开彩蛋。深度解析！

复旦BezierGS：利用贝塞尔曲线实现驾驶场景SOTA重建~

清华&博世开源SOTA性能纯血VLA：Impromptu-VLA告别双系统~

清华&吉利Challenger框架：自动驾驶对抗场景高效生成~

干货满满，快来加入

END