AhernResearch/grava

解决的问题

GRAVA 解决了创建能够有效将视觉场景理解与具体驾驶动作联系起来的自动驾驶模型的挑战。传统模型往往难以在汽车“所见”与所做出的具体决策之间保持清晰的联系，从而导致推理和规划出现脱节。

工作原理

GRAVA 使用了一种“基础推理到动作”（Grounded Reasoning-to-Action, GRA）表示法。它构建了一个轨迹锚定图，将视觉对象和物理状态与驾驶决策连接起来。单个视觉语言模型（VLM）处理这些信息以生成一系列推理，随后执行“可执行规划器”（Executable Planner）动作。该动作通过固定的几何解码器转换为连续的驾驶轨迹。训练过程包括基础预训练、规划器预热、自我蒸馏和强化学习。

适用对象

本项目适用于从事自动驾驶系统研究的研究人员和开发人员，他们需要一个端到端的框架来训练将高级推理与精确、可执行的轨迹规划相结合的模型。

亮点

• 基础推理，使视觉参考和物理量与规划决策保持关联。
• 统一的自回归接口，在同一流中生成推理和可执行动作。
• 完善的研究生态系统，包括训练基础设施、仿真和奖励引擎以及数据集支持。
• 多阶段训练流水线，结合了主动强化学习（Active RL）和验证过的自我蒸馏。