新浪科技訊 12月28日下午消息，近日，人工智能領(lǐng)域國(guó)際會(huì)議AAAI 2026公布了論文錄用結(jié)果，由小鵬汽車和北京大學(xué)計(jì)算機(jī)學(xué)院多媒體信息處理全國(guó)重點(diǎn)實(shí)驗(yàn)室聯(lián)合完成的論文《FastDriveVLA： Efficient End-to-End Driving via Plug-and-Play Reconstruction-based Token Pruning》成功入選。這篇論文最大的貢獻(xiàn)在于，提出了一種專門為端到端自動(dòng)駕駛VLA模型定制的、高效的視覺(jué)Token剪枝框架——FastDriveVLA。

　　據(jù)介紹，F(xiàn)astDriveVLA包含一個(gè)即插即用的視覺(jué)Token剪枝器ReconPruner。在車端模型的推理階段， ReconPruner可直接嵌入自動(dòng)駕駛VLA模型用于視覺(jué)Token的剪枝，即插即用，無(wú)需重新訓(xùn)練整個(gè)模型。為了輔助該剪枝器的訓(xùn)練，還專門構(gòu)建了包含來(lái)自6個(gè)攝像頭視角的24.1萬(wàn)個(gè)圖像-掩碼對(duì)的nuScenes-FG數(shù)據(jù)集。這一大規(guī)模的自動(dòng)駕駛前景分割標(biāo)注數(shù)據(jù)集，可廣泛用于未來(lái)自動(dòng)駕駛的研究。

　　最終，nuScenes自動(dòng)駕駛數(shù)據(jù)集上的測(cè)試顯示，采用這一剪枝框架，在不同剪枝率下均取得當(dāng)前最優(yōu)即SOTA效果：剪枝比例達(dá)25%視覺(jué)Token時(shí)，駕駛性能幾乎不下降，其L2軌跡誤差與碰撞率指標(biāo)甚至超越未剪枝的基準(zhǔn)模型；剪枝比例達(dá)50%Token時(shí)，在所有指標(biāo)上表現(xiàn)更平衡；與此同時(shí)，VLA模型的推理效率得到了顯著提升。

　　小鵬汽車聯(lián)合北大提出的FastDriveVLA，建立了自動(dòng)駕駛VLA模型的高效視覺(jué)Token剪枝的新范式，同時(shí)樹(shù)立了車端大模型高效部署上車的新標(biāo)桿。小鵬汽車董事長(zhǎng)何小鵬在微博上對(duì)此表示，“很高興我們?cè)谔剿鱈4的路上又取得新的突破。我們會(huì)在物理AI領(lǐng)域繼續(xù)發(fā)力，期待第二代VLA給鵬友們帶來(lái)更棒的智駕體驗(yàn)?！?/p>