自动驾驶VLA,越来越收敛了......

这几年，太多搞自驾的同学在焦虑，技术路线迭代太频繁。

BEV感知、无图感知，再到端到端、VLA。自驾这几年走完了别的行业几年的路。

好在，行业终于形成了共识：技术栈趋于收敛，走向平稳期。

还想搞自驾的同学终于不用再担心毕业即失业......

再看头部公司的招聘，资源正密集投向VLA。

英伟达Alpamayo-1、理想MindVLA-o1、小鹏VLA2.0......

技术路线在收敛，行业对VLA从业者的要求也更明确。BEV感知、扩散模型、大语言模型、强化学习，都需要掌握，学历、实习、多项目，论文，几乎缺一不可。而对于低成本想入行端到端VLA发论文、申博的同学，我们做到了！

自动驾驶之心联合中科院大佬，为大家解决自动驾驶入行难、找不到研究方向、不会写论文的痛点和难点。

paper多，想入坑的人也多了起来......

最近有同学后台留言，导师不熟悉这个领域，都是自己趟坑，从数据到算法，再到训练，一直跑不出效果，也没好的idea～

端到端VLA作为目前的研究热点，还有很多问题没有解决，确实是发论文的好方向。而这里面可研究的方向有很多，扩散模型、强化学习、结合世界模型......

但我们发现一个现实问题：大量同学只有一部分的理论基础，但缺乏较全面的算法经验。有的同学甚至连论文经验都没有......

为此，自动驾驶之心联合业内深耕端到端VLA领域的老师，推出了第二期端到端VLA的科研辅导小班课，每期6个人，招满开课，先到先得。

更多内容欢迎咨询小助理微信：AIDriver005了解更多～

这门课程的目标不是“再讲一遍论文”，而是：帮你把数据 → 端到端 → VLA → 世界模型 → 扩散模型 → 强化学习跑通少踩坑，把“别人半年踩的雷”压缩到数周

课程的目的是辅导端到端VLA方向的同学展开科研，形成论文～

课程大纲

提供数据集，提供Baseline代码。

Week1：自动驾驶范式演进与 VLA 崛起

熟悉目前自动驾驶领域最新的技术方向

Week2：自动驾驶中的 VLM/LLM 基础架构

掌握自动驾驶中大语言模型的基础架构

Week3：VLA数据集构建与评测基准体系

掌握VLA数据集的构建，以及基本的评价体系

Week4：端到端VLA核心模型架构

熟悉基本的端到端VLA模型架构（结合EMMA、SimLingo, LMDrive 、 CarLLaVA 、ADriver-I 、DiffVLA等算法详解统一的端到端VLA自动驾驶模型

Week5：双系统VLA模型架构

掌握双系统VLA模型的架构（结合DriveVLM-Dual详解快慢系统）

Week6：端到端VLA仿真实验环境搭建

搭建VLA仿真环境

Week7：世界模型与生成式VLA

了解如何将世界模型使用在自动驾驶

Week8：基于扩散模型的端到端VLA

了解如何将扩散模型使用在自动驾驶

Week9：基于强化学习的端到端VLA

了解如何将强化学习使用在端到端自动驾驶（结合diffusiondrive-v2讲解）

Week10：端到端VLA中长尾规划处理

掌握如何优化自动驾驶规划中长尾问题

Week11：端到端VLA创新点（一）

结合每位同学背景提供创新点

Week12：端到端VLA创新点（二）

结合每位同学背景提供创新点

Week13：论文选题和框架搭建

讲解论文撰写框架和体系

Week14：课题汇报与投稿意见

讲解关于论文选会选刊、投稿的方式

辅导老师介绍

Jason导师：毕业于C9高校，现任职于中国科学院某研究所，专注于端到端自动驾驶算法的研究与应用，参与或者主导多项算法研究课题，此外参与了多项国家级重大项目。

目前的研究方向包括基于VLA的自动驾驶智能规划算法研究等。此外，还与多家智能驾驶企业有关算法方面的合作，涉及端到端感知、多任务学习、传感器多模态融合及占用预测等自动驾驶技术的应用。已发表多篇国际期刊会议论文，以及多项专利，具有丰富的指导经验，目前已指导20余名学员。

课程特色

本课程致力于为学生构建从底层原理到学术前沿的完整知识图谱。课程内容涵盖了从早期的视觉-动作（VA）架构到现代 VLA 框架的演进 ，重点解析以下核心模块：

• 全栈内容覆盖：深入探讨强化学习在决策对齐中的应用 、扩散模型在多模态轨迹生成中的实现 ，以及利用世界模型进行场景“白日梦”式推理的预测动力学 ；
• 实战与科研引导：课程不仅系统梳理代表性数据集（如 nuScenes, Bench2Drive等）与评估指标 ，更重要的是为学生提供创新的Idea 激发。我们将探讨如何解决 VLM 实时性瓶颈、降低语言幻觉风险以及增强长时程时空相干性等待攻克的科研难题 ；
• 论文写作与技能提升：通过对前沿 SOTA 模型（如 AutoVLA, DriveLM, UniAD）的深度拆解 ，本课程将指导学生掌握如何构建严谨的研究架构、设计对比实验以及撰写具备学术竞争力的自动驾驶论文。

通过本课程的学习，你将不再仅仅是新技术的追随者，而将成为具备定义下一代智能驾驶系统能力的开拓者。

学习成果与预期收获

经典论文、前沿论文和代码实现——创新点、baseline、数据集——选题方法、实验方法、写作方法、投稿建议。

1. 2-4周【基础先修课】+ 12周【在线小组科研】+ 2周【论文指导】+10周【论文维护期】；
2. 获得对经典及前沿的典型论文的分析方法，理解重点算法与原理、清晰不同算法的优劣势，也促使自己对研究idea的思考；
3. 即使自己没有想到合适的idea，也能得到老师提供的idea从而进行后续的研究过程（导师会给每位同学都准备一个idea）；
4. 获得Coding能力的增强，在老师准备的baseline代码和可用数据集上更高效展开研究和实验工作；
5. 获得论文写作、自查、修改的方法论，以及关于投稿的⼀些建议；
6. 撰写出一篇论文初稿（自己完全投入课程的学习与实践中，将很有可能会产出一篇不错的论文）。

报名方式

课程名额仅限6名，满4人开课。

底部联系小助理微信报名，辅导老师需要1v1面试，筛选通过后，进入课题。时间安排：14周集中辅导+8周维护。

硬件与基础要求

1. 自动驾驶领域研究方向，推理要求4090以上算力，训练算力自备（建议4卡/8卡4090，可以租借）；
2. 一定的pytorch和python基础，能够自己修改代码；
3. 跑过基础的自动驾驶算法（UniAD、transfuser等）
4. 入学基础先修课（随到随学）：补充基础知识、强化后期课程理解能力，减轻学习负担

学习要求

• 每周上课前按时阅读相关资料并完成相关作业。
• 作业必须在规定时限内完成。
• 课上积极参与讨论、交流。
• 应该全勤。若晚交作业、上课请假等必须提前1日通知班主任和导师并说明理由。
• 保持学术诚信，拒绝剽窃。
• 每次课后自学时长至少1-2小时。
• 其他要求（optional）

咨询我们

无论您是希望在学术界继续深造，还是计划在工业界应用自动驾驶技术，本课程都将为您提供坚实的理论基础、实践经验和独立研究能力。

帮助您在这一快速发展的前沿领域中脱颖而出。加入我们，从学术新手到自动驾驶研究者，只需14周！

更多内容欢迎咨询小助理微信：AIDriver005了解更多～