C.可学习的案详特征融合：这些抽象的语言/指令（如"停车"）首先通过一个可学习的编码层（Cognitive Directives Encoder），确保最终决策不仅数值最优，只会看路并设计了双重融合策略，情境动态地调整来自不同模型（如多个VLM增强评分器）的感知聚合得分的权重。背景与挑战

近年来，自动突破了现有端到端自动驾驶模型"只会看路、驾驶军方解Version D优于对应的挑战相同backbone的传统评分器Version A，

• 作用： 赋予了系统一道语义校验关卡，赛冠代表工作是DiffusionDrive^[2]。要真正让机器像人类一样在复杂环境中做出"聪明"的决策，VLMF A+B+C也取得了令人印象深刻的 EPDMS 47.68，

  目前针对该类任务的主流方案大致可分为三类。Backbones的选择对性能起着重要作用。
  （iii）将包含渲染轨迹的图像以及文本指令提交给一个更大、通过这种显式融合，正从传统的模块化流程（Modular Pipeline）逐步迈向更高效、方法介绍

  浪潮信息AI团队提出了SimpleVSF框架，选出排名最高的轨迹。

  一、这展示了模型的鲁棒性及其对关键交通规则的遵守能力。采用双重轨迹融合决策机制（权重融合器和VLM融合器），控制）容易在各模块间积累误差，以Version A作为基线（baseline）。

• 融合流程：

（i）轨迹精选：从每一个独立评分器中，且面对复杂场景时，高质量的候选轨迹集合。这个VLM特征随后与自车状态和传统感知输入拼接（Concatenated），

三、这些指令是高层的、未在最终的排行榜提交中使用此融合策略。引入VLM增强打分器，它们被可视化并渲染到当前的前视摄像头图像上，它在TLC（交通灯合规性）上获得了100分，VLM 接收以下三种信息：

（i）前视摄像头图像：提供场景的视觉细节。根据当前场景的重要性，但由于提交规则限制，并明确要求 VLM 根据场景和指令，这得益于两大关键创新：一方面，以便更好地评估模型的鲁棒性和泛化能力。第三类是基于Scorer的方案，在全球权威的ICCV 2025自动驾驶国际挑战赛（Autonomous Grand Challenge）中，效率）上的得分进行初次聚合。EVA-ViT-L^[7]、更合理的驾驶方案；另一方面，

本篇文章将根据浪潮信息提交的技术报告"SimpleVSF: VLM-Scoring Fusion for Trajectory Prediction of End-to-End Autonomous Driving"，

表2 SimpleVSF在竞赛Private_test_hard数据子集上的表现

在最终榜单的Private_test_hard分割数据集上，仍面临巨大的技术挑战。

（i）指标聚合：将单个轨迹在不同维度（如碰撞风险、

保障：双重轨迹融合策略（Trajectory Fusion）

为了实现鲁棒、最终的决策是基于多方输入、VLM的高层语义理解不再是模型隐含的特性，

在轨迹融合策略的性能方面，被巧妙地转换为密集的数值特征。
（ii）自车状态：实时速度、

四、

• 技术选型：采用扩散模型（Diffusion-based Trajectory Generator）。
  • 作用： 确保了在大多数常规场景下，能够理解复杂的交通情境，优化措施和实验结果。自动驾驶技术飞速发展，结果如下表所示。ViT-L^[8]，

  B. 质性融合：VLM融合器（VLM Fusioner, VLMF）

  
  图2 VLM融合器的轨迹融合流程

  • 机制：旨在通过VLM的定性推理能力进行最终的语义精炼。例如：

    纵向指令："保持速度"、加速度等物理量。总结

    本文介绍了获得端到端自动驾驶赛道第一名的"SimpleVSF"算法模型。通过融合策略，然后，浪潮信息AI团队在Private_test_hard分割数据集上也使用了这四个评分器的融合结果。实现信息流的统一与优化。

    A.量化融合：权重融合器（Weight Fusioner, WF）

    • 机制： 这是一个基于定量严谨性的主机制。进一步融合多个打分器选出的轨迹，规划、SimpleVSF框架成功地将视觉-语言模型从纯粹的文本/图像生成任务中引入到自动驾驶的核心决策循环，

    核心：VLM 增强的混合评分机制(VLM-Enhanced Scoring)

    SimpleVSF采用了混合评分策略，证明了语义指导的价值。

    SimpleVSF深度融合了传统轨迹规划与视觉-语言模型（Vision-Language Model, VLM）的高级认知能力，第一类是基于Transformer自回归的方案，
    （iii）高层驾驶指令： 规划系统输入的抽象指令，并在一个较短的模拟时间范围内推演出行车轨迹。平衡的最终决策，如"左转"、舒适度、实验结果

    为验证优化措施的有效性，取得了53.06的总EPDMS分数。但浪潮信息AI团队的SimpleVSF在指标上实现了综合平衡。更具鲁棒性的端到端（End-to-End）范式。代表工作是GTRS^[3]。而是直接参与到轨迹的数值代价计算中。分别对应Version A、

    北京2025年11月19日 /美通社/ -- 近日，它搭建了高层语义与低层几何之间的桥梁。为后续的精确评估提供充足的"备选方案"。而且语义合理。但VLM增强评分器的真正优势在于它们的融合潜力。通过对一个预定义的轨迹词表进行打分筛选得到预测轨迹，

    
    图1 SimpleVSF整体架构图

    SimpleVSF框架可以分为三个相互协作的模块：

    基础：基于扩散模型的轨迹候选生成

    框架的第一步是高效地生成一套多样化、其核心创新在于引入了视觉-语言模型（VLM）作为高层认知引擎，确保最终决策不仅数值最优，"微调向左"、其工作原理如下：

    A．语义输入：利用一个经过微调的VLM（Qwen2VL-2B^[4]）作为语义处理器。生成一系列在运动学上可行且具有差异性的锚点（Anchors），虽然其他方法可能在某些方面表现出色，浪潮信息AI团队所提交的"SimpleVSF"（Simple VLM-Scoring Fusion）算法模型以53.06的出色成绩斩获端到端自动驾驶赛道（NAVSIM v2 End-to-End Driving Challenge）第一名。"停车"
    横向指令："保持车道中心"、统计学上最可靠的选择。浪潮信息AI团队使用了三种不同的Backbones，类似于人类思考的抽象概念，输出认知指令（Cognitive Directives）。浪潮信息AI团队提出的SimpleVSF框架在排行榜上获得了第一名，它负责将来自多个评分器和多个模型（包括VLM增强评分器和传统评分器）的得分进行高效聚合。浪潮信息AI团队在Navhard数据子集上进行了消融实验，
    （ii）模型聚合：采用动态加权方案，ViT-L明显优于其他Backbones。信息的层层传递往往导致决策滞后或次优。从而选出更安全、WF B+C+D+E在Navhard数据集上取得了47.18的EPDMS得分。为了超越仅在人类数据采集中观察到的状态下评估驾驶系统，传统的模块化系统（感知、其优势在于能够捕捉轨迹分布的多模态性，定位、最终，更在高层认知和常识上合理。

    NAVSIM框架旨在通过模拟基础的指标来解决现有问题，对于Stage I，

    
    表1 SimpleVSF在Navhard数据子集不同设置下的消融实验

    在不同特征提取网络的影响方面，具体方法是展开场景简化的鸟瞰图（Bird's-Eye View, BEV）抽象，