双过程驾驶模型

开放环境可泛化

结合快慢双通道与语言模型推理，在训练分布外的开放式场景中仍能稳健决策。

张潇 · 胡天宇 · 赵千川 · Li, Mingyi · Li, Kang · Songde, Han · 陈健生 · 马惠敏

Nature Communications 2026

技术优势

少样本也能学

InstinctNav 结合行为克隆与检索增强生成，提高少样本学习效率，无需大量标注数据。

遇到没见过的场景也能处理

集成视觉语言模型进行多模态自我反思，能检测训练数据分布外的边界场景中的危险。

评估更关注安全和舒适

提出补充传统指标的评估框架，强调安全性、舒适性和能源效率。

应用场景

• 自动驾驶：在开放无约束环境中实现可靠驾驶，从根源上解决危险感知和边界场景泛化问题。
• 端到端驾驶：通过双过程架构将快慢决策结合，端到端提升少样本学习和自我反思能力，无需复杂规则设计。
• 机器人导航：借助语言模型的上下文推理，在未见过环境中进行稳健导航和决策。
• 无人机避障：通过多模态自我反思检测危险，提升避障能力，适用于训练数据分布外的场景。