点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 今天自动驾驶之心为大家分享 上海期智研究院、理想、同济和清华团队最新的工作— DriveAgent-R1 ！ 自动驾驶Agent时代来临， 以混合思维 和主动感知推动基于VLM的自动驾驶发展 。如果您有相关工作需要分享，请在文末联系我们！ 自动驾驶课程学习与 技术交流群加入 ，也欢迎添加小助理微信AIDriver005 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Weicheng Zheng等 编辑 | 自动驾驶之心 写在前面 & 笔者的个人理解 DriveAgent-R1 是一款为解决长时程、高层级行为决策挑战而设计的先进自动驾驶智能体。当前VLM在自动驾驶领域的潜力，因其短视的决策模式和被动的感知方 式而受到限制，尤其在复杂环境中可靠性不足。 为应对这些挑战，DriveAgent-R1 引入了两大核心创新： 因此，我们的核心任务是：赋能智能体进行长时程、高层级的行为决策，同时，当面临不确定性时，能像人类驾驶员一样主动地从环境中寻求关键信息。 上图生动展示了DriveAgent-R1在 ...

DriveAgent-R1核心创新 - 首创基于强化学习的混合思维架构，使智能体能在纯文本推理和工具辅助推理间自适应切换[12][14] - 引入主动感知机制，配备包含高分辨率视图获取、关键区域检查等功能的视觉工具箱[15][18] - 采用三阶段渐进式训练策略（DM-SFT→FCM-RL→AMS-RL），显著提升模型性能[16][19][24] - 在SUP-AD数据集上实现SOTA性能，首帧联合准确率达70.11%，超越Claude Sonnet 4等主流模型[12][26] 技术架构与性能 - 基于Qwen2.5-VL-3B模型构建，输入包含6路环视摄像头数据，输出8秒驾驶意图决策序列[11] - 创新MP-GRPO算法强化双模式能力，模式选择准确率达65.93%[24][28] - 工具使用使序列平均准确率提升15.9%，推理质量提升11.7%[26][27] - 消融实验显示完整训练策略使首帧准确率较基线提升44.8个百分点[28] 行业突破性 - 首次实现自动驾驶智能体的长时程决策能力（8秒连贯规划）[3][11] - 解决现有VLM短视决策（单步预测）和被动感知两大核心痛点[6][12] - 验证视觉工具对SOTA模型的普适增强效应（如Claude推理质量+26.1%）[26] - 建立首个评估体系量化安全性、舒适性等多维度表现[24]