Hugging Face发布ViRA框架：革新自动驾驶视觉表征对齐与规划性能

摘要：Hugging Face推出ViRA，这是一种针对自动驾驶的视觉表征对齐框架，旨在提升规划性能，同时保持规划器架构和推理成本不变。研究表明，ViRA能够显著改善不同端到端规划器的驾驶性能，并在零样本闭环评估中展现出优势。此外，ViRA-Diffusion模型在NAVSIM v2导航测试中取得了92.3的EPDMS得分，超越了现有方法至少1.9个百分点。该研究强调了在集成视觉基础模型（VFMs）时，目标选择和规划器监督的重要性。

---

1. 背景与动机

随着视觉基础模型（VFMs）在端到端自动驾驶中的集成日益增多，其强大的表征能力为自动驾驶带来了新的可能性。然而，VFMs何时以及如何提升驾驶性能仍不明确。为了解决这一问题，Hugging Face的研究团队开发了ViRA（Visual Representation Alignment）框架。

2. ViRA框架的核心机制

ViRA是一种规划器无关的视觉表征对齐框架，其主要特点包括：

• 架构不变性：ViRA在保持规划器架构和推理成本不变的情况下，通过对齐视觉表征来提升性能。
• 多规划器适用性：ViRA能够跨多种端到端规划器提升驾驶性能，其优势在零样本闭环评估中尤为明显。
• 目标选择的重要性：研究表明，不同的VFM目标对规划性能有显著影响，而对齐到不同的VFM可以进一步提升预训练VFM编码器的性能。

3. ViRA-Diffusion模型的突破

在ViRA框架的指导下，研究团队开发了ViRA-Diffusion，这是一种基于扩散的规划器，无需辅助感知监督即可训练。在NAVSIM v2导航测试中，ViRA-Diffusion取得了92.3的EPDMS得分，超越了现有方法至少1.9个百分点。这一结果展示了ViRA在提升自动驾驶规划性能方面的巨大潜力。

4. 工程权衡与实际应用

• 优势：ViRA框架在提升驾驶性能的同时，保持了规划器架构和推理成本不变，降低了集成难度。
• 挑战：VFM目标的选择对性能有显著影响，需要在实践中进行精细调整。此外，辅助感知监督可以减少对VFM目标选择的敏感性，但可能增加计算开销。
• 建议：在集成VFMs时，应综合考虑目标选择和规划器监督，以实现最佳性能。

5. 结论与未来展望

ViRA框架的发布为自动驾驶领域提供了新的技术突破，特别是在视觉表征对齐和规划性能提升方面。未来的研究可以进一步探索ViRA在不同场景和任务中的适用性，并优化其对辅助感知监督的依赖。

6. 开发者建议

• 集成建议：建议开发者根据具体应用场景选择合适的VFM目标，并结合辅助感知监督以提升性能。
• 资源管理：ViRA框架在保持推理成本不变的同时，提供了强大的性能提升，建议在资源受限的环境中优先考虑。
• 持续优化：建议开发者关注ViRA的进一步更新和优化，以充分利用其潜力。

---

消息来源：Hugging Face Daily Papers (2026-10-07)

—— 完 ——

主题标签： #Hugging Face 关注 #自动驾驶 关注 #视觉表征 关注 #ViRA 关注 #NAVSIM 关注