方法总体架构图如下：

一、核心问题
  当前基于视觉-语言-动作（VLA）模型的自动驾驶轨迹规划方法存在两大瓶颈：
  物理不可行：生成的轨迹常违背车辆动力学约束（如转向角、加速度极限）；
  推理能力不足：缺乏对复杂场景的结构化推理和自验证机制，导致轨迹偏离实际需求。

二、方法框架：两阶段训练
第一阶段：监督微调（SFT）
  数据集构建：提出 nuScenesR²-6K，首个包含四步逻辑链（CoT）与自验证的自动驾驶轨迹规划数据集。
  四步推理链：
    视觉分析：识别车道、障碍物、交通信号等；
    运动建模：基于历史状态计算加速度、速度、位置预测；
    逻辑推导：安全性检查（是否闯红灯、碰撞等）；
    自验证：反向验证轨迹的物理可行性与合理性。
  模型训练：使用 Qwen2.5-VL 模型进行 SFT，建立输入（图像+状态）到输出（BEV轨迹）的认知桥梁。

第二阶段：强化学习（RL）优化
  算法：采用 Group Relative Policy Optimization (GRPO)，通过组内响应对比简化训练、提升效率。
  物理驱动奖励函数：融合多维度约束：
  空间对齐（$r_{\text{pos}}$）：轨迹点与真值的欧氏距离；
  车辆动力学（$r_{\text{ste}}$, $r_{\text{vel}}$）：转向角与速度的一致性；
  时间平滑性（$r_{\text{tem}}$）：相邻时间步间转向与速度的变化惩罚。
  总奖励：$r_{\text{acc}}={\lambda }_{\text{pos}}{r}_{\text{pos}}+{\lambda }_{\text{ste}}{r}_{\text{ste}}+{\lambda }_{\text{vel}}{r}_{\text{vel}}+{\lambda }_{\text{tem}}{r}_{\text{tem}}$，确保轨迹物理可行、平滑舒适。

三、关键创新

• 结构化推理与自验证：首次在自动驾驶中引入四步CoT+自验证机制，提升模型可解释性与错误纠正能力。
• 物理约束奖励设计：将车辆动力学、舒适性等实际约束嵌入奖励函数，避免生成不可行轨迹。
• 小数据高效训练：仅用6K样本（约为对比方法EMMA+的11.6%）实现SOTA性能，体现数据效率与泛化能力。

四、实验验证
数据集：nuScenes + Waymo（零样本泛化）；
指标：L2误差（1s/2s/3s/平均）；
结果：
在nuScenes上比EMMA+提升显著，平均L2误差降至0.19m；
在Waymo上零样本泛化性能优越，误差降低33.3%~90.7%；
消融实验：验证了四步推理、自验证、各奖励项的必要性。
下图为SparseDrive论文中L2 Error结果

下图为AutoDrive-R²论文中结果，文中提及均在nuScene数据集中测试，可参考UniAD结果，证明基本可信，SparseDrive平均L2最小0.58，而AutoDrive-R²平均L2 0.19，误差降低了约67.24%，据个人目前所知应该是首个大模型方法大幅领先端到端方法。让我们恭喜AutoDrive-R²！！！