从DriveVLA-W0出发：探讨世界模型如何放大VLA的扩展定律（中科院）

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

在自动驾驶领域，通过大规模数据来扩展视觉-语言-动作模型，为构建更通用的驾驶智能提供了一条充满前景的道路。然而，VLA模型一直面临"监督缺失"的问题：其庞大的模型能力仅由稀疏、低维的动作信号进行监督，导致其大部分表征潜力未能得到充分利用。

为解决此问题，中科院和华为引望的团队提出了 DriveVLA-W0，一种利用世界模型来预测未来图像的训练范式。为验证DriveVLA-W0的通用性，本文在两种主流VLA架构上展开验证：针对采用离散视觉token的VLA模型，设计自回归世界模型；针对基于连续视觉特征的VLA模型，设计扩散世界模型。基于世界建模学习到的丰富表征，本文进一步引入轻量级动作专家（action expert），以解决实时部署中的推理耗时问题。

在NAVSIM v1/v2基准测试和一个规模大680倍的内部数据集上进行的大量实验表明，DriveVLA-W0显著优于BEV和VLA基线方法。关键在于，它放大了数据Scaling Law的效果，表明随着训练数据集规模的增大，性能提升速度会加快。我们很荣幸邀请到一作李颖彦博士，为大家分享这篇最新的工作！今晚七点半锁定自动驾驶之心直播间~

论文标题：DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving

论文链接：https://arxiv.org/abs/2510.12796

Code：https://github.com/BraveGroup/DriveVLA-W0

分享介绍

更多精彩回顾

🚀 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！

DriveBench：VLM在自动驾驶中真的可靠吗？（ICCV'25）

硬核夜话：和一线量产专家深入聊聊自驾数据闭环工程

AI Day直播 | LangCoop：自动驾驶首次以“人类语言”的范式思考

干货满满，快来加入

END