fsdrive

FSDrive统一VLA和世界模型，推动自动驾驶迈向视觉推理

面向自动驾驶的多模态大模型在 “推理链” 上多以文字或符号为中介，易造成空间 - 时间关系模糊与细粒度信息丢失。FSDrive（FutureSightDrive）提出 “时空视觉 CoT”（Spatio-Temporal Chain-of-Thought），让

如何让自动驾驶系统像经验丰富的人类驾驶员一样，具备对复杂动态交通场景的直觉式预判与决策能力？这是该领域追求的终极目标之一。近年来，功能强大的视觉语言模型（VLM）为实现这一目标带来了曙光，但其主流的“思考”方式仍存在瓶颈。