DriveVLM（快慢双系统智驾）

DriveVLM: The Convergence of Autonomous Driving and Large Vision-Language Models进阶

清华与理想汽车 2024 年提出：视觉语言模型慢思考、传统规划器快执行的智驾方案。

DriveVLM 是清华大学交叉信息研究院赵行团队与理想汽车于 2024 年 2 月提出的自动驾驶方法，发表于 CoRL 2024。传统自动驾驶流水线应对罕见、复杂的长尾场景能力有限。DriveVLM 用视觉语言模型（VLM，底座为 Qwen-VL）按思维链做三步：场景描述、场景分析、分层规划，最后给出行驶轨迹。但 VLM 空间定位不够精确、推理又慢，于是论文提出 DriveVLM-Dual：VLM 低频输出粗略参考轨迹（慢系统），传统感知与规划模块以高频把它细化成实际轨迹（快系统），两者异步协作。论文称该系统已部署到量产车上，在两颗 Orin X 芯片的车载平台上平均推理约 410 毫秒。这种分工与机器人领域的快慢双系统架构（如 Figure 的 Helix）思路一致。