Esposizione Differita delle Traiettorie Future per un Ragionamento Verificabile nei VLM per la Guida Autonoma

Un nuovo studio su arXiv (2608.01755v1) analizza i bias presenti nei modelli Vision-Language-Action (VLA) utilizzati per le auto a guida autonoma. I ricercatori hanno scoperto che quando il modello insegnante viene addestrato con i dati reali della traiettoria futura, si crea quello che viene chiamato 'bias di ancoraggio alla traiettoria'. Questo bias rende il modello più propenso a sostenere il risultato dato piuttosto che a prendere decisioni basate su ciò che accade nella scena, portando a un ragionamento meno accurato e a più conclusioni false, specialmente in situazioni complesse. Per affrontare questo problema, gli autori propongono un metodo chiamato 'Autonomous-Driving Multiple', che mira a migliorare il processo decisionale senza fare affidamento sulla generazione aperta di traiettorie. L'articolo è in attesa di pubblicazione e può essere visualizzato su arXiv.