DriveVLA-W0: 世界模型放大自动驾驶中的数据缩放定律
TLDR
DriveVLA-W0使用世界建模预测未来图像，解决VLA模型的监督赤字问题，并放大自动驾驶中的数据缩放定律。
评分理由
Strengths: novel paradigm combining world modeling with VLA to leverage self-supervised signals, demonstrated on multiple benchmarks with scaling law amplification. Weaknesses: limited to specific VLA archetypes, reliance on large in-house dataset may limit reproducibility, no explicit comparison to other world model methods.
Read-first 评分解释
综合优先阅读分 61.7，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 42。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：179。
关键词评分
深度分析
创新点
- 使用世界建模预测未来图像作为密集自监督信号，以解决VLA模型中的监督赤字问题
- 两种实例化：用于离散视觉令牌的自回归世界模型和用于连续视觉特征的扩散世界模型
- 用于实时部署的轻量级动作专家
- 展示了数据缩放定律的放大效应，性能提升随训练数据集规模增加而加速
方法
DriveVLA-W0采用世界建模预测未来图像，生成密集的自监督信号，迫使模型学习底层驾驶动态。它为两种VLA原型实例化该范式：用于离散视觉令牌的自回归世界模型和用于连续视觉特征的扩散世界模型。引入了一个轻量级动作专家来解决实时部署中的推理延迟。该模型在NAVSIM v1/v2基准测试和一个大680倍的内部数据集上进行了评估，并与BEV和VLA基线进行了比较。
关键结果
DriveVLA-W0在NAVSIM v1/v2和内部数据集上显著优于BEV和VLA基线。关键的是，它放大了数据缩放定律，表明性能提升随着训练数据集规模的增加而加速。