地平线提出AlphaDrive，首个基于GRPO强化学习和规划推理实现自动驾驶大模型

AlphaDrive 是一种基于视觉语言模型（VLM）的自动驾驶高维规划框架，首次将 GRPO 强化学习和推理技术引入自动驾驶任务。通过设计四种强化学习奖励机制及两阶段训练策略，AlphaDrive 在大规模真实驾驶数据集上显著提升了规划准确率（较 SFT 模型提升 26%），同时降低训练数据需求。实验结果证明强化学习在自动驾驶领域的潜力，未来将拓展至统一的视觉语言动作模型（VLA）。
来源：https://mp.weixin.qq.com/s/G3qdby3ILNvojADOZsCkHA