DriveHierarchy：诊断 VLM 驾驶能力的分层基准测试平台发布

摘要：arXiv 平台发布了一款名为 DriveHierarchy 的新型分层基准测试平台，用于评估基于视觉语言模型（VLM）的自动驾驶系统。该平台通过将驾驶能力划分为感知基础、上下文记忆、推理决策和闭环执行四个层级，构建了一个系统化的评估框架。DriveHierarchy 集成了多个开源自动驾驶数据集，并开发了基于真实道路网络的闭环仿真平台，为模型诊断和优化提供了实用依据。实验表明，该平台能够有效捕捉 VLM 驾驶能力的结构化差异，并促进模型改进。

---

核心突破

• 分层评估框架：DriveHierarchy 将 VLM 驾驶能力分为四个层级：感知基础、上下文记忆、推理决策和闭环执行，为系统化的能力评估提供了清晰的结构。
• 多数据集整合：该平台集成了多个开源自动驾驶数据集，并构建了包含 76,798 个问答对和 84,279 帧的统一开放循环基准测试。
• 闭环仿真平台：开发了基于真实道路网络的闭环仿真平台，提供了 100 个交互式驾驶场景，用于嵌入式评估。
• 实验验证：在 15 个 VLM 上的实验表明，DriveHierarchy 能够有效捕捉能力差异，并支持基于评估结果的模型优化。

技术亮点

1. 多层级评估体系：通过感知、记忆、推理和执行四个层级，全面评估 VLM 驾驶能力。
2. 开放数据整合：整合多个开源数据集，确保评估的广泛性和代表性。
3. 闭环仿真：基于真实道路网络的仿真平台，提供高保真度的驾驶场景。
4. 模型诊断与优化：为开发者提供详细的诊断信息，支持基于评估结果的模型改进。

行业影响

DriveHierarchy 的发布为 VLM 驱动的自动驾驶系统提供了一个统一且结构化的评估框架，填补了现有基准测试在解释能力组织关系和指导模型改进方面的不足。该平台不仅有助于学术界和工业界更准确地评估和优化自动驾驶模型，还推动了 VLM 在自动驾驶领域的应用和发展。

开发者建议

• 利用分层评估：建议开发者利用 DriveHierarchy 的分层评估体系，全面诊断模型的优缺点。
• 参与开源社区：积极参与 DriveHierarchy 的开源社区，分享数据集和评估结果，推动平台的发展和完善。
• 结合仿真平台：结合闭环仿真平台，测试模型在复杂驾驶场景中的表现，提升模型的鲁棒性和可靠性。

结论

DriveHierarchy 的发布标志着 VLM 驱动自动驾驶评估领域的重要进展，为模型诊断和优化提供了新的工具和方法。

---

消息来源：ArXiv AI (cs.AI) (2026-09-29)

—— 完 ——

主题标签： #DriveHierarchy #VLM #自动驾驶 #基准测试 #仿真平台