加速自主车辆中结构化链路思考
机器人学
2026-02-04 v1
摘要
链路思考（CoT）推理虽提升了视觉-语言-动作模型在自动驾驶中的决策能力，但其自回归性质引入显著的推理延迟，难以满足实时应用需求。为此，我们引入 FastDriveCoT，一种 Novel 的并行解码方法，用于加速模板结构化 CoT。我们的方法将推理过程分解为多个独立子任务的依赖图，包括识别关键物体、总结交通规则等，其中一些子任务可并行生成。通过在单次前向传播中并行生成多个独立推理步骤，我们显著减少了顺序计算次数。实验表明，在各种模型架构中，CoT 生成速度提升 3-4 倍，端到端延迟显著降低，同时保留了采用 CoT 推理所带来的下游任务性能提升。
引用
@article{arxiv.2602.02864,
title = {Accelerating Structured Chain-of-Thought in Autonomous Vehicles},
author = {Yi Gu and Yan Wang and Yuxiao Chen and Yurong You and Wenjie Luo and Yue Wang and Wenhao Ding and Boyi Li and Heng Yang and Boris Ivanovic and Marco Pavone},
journal= {arXiv preprint arXiv:2602.02864},
year = {2026}
}