奔驰&图宾根联合新作！SpaceDrive：为自动驾驶VLA注入空间智能

主要观点总结

SpaceDrive：为自动驾驶注入空间感知能力的新方法

关键观点总结

关键观点1: 解决了现有VLM在处理精细的3D空间关系时的缺陷

SpaceDrive通过引入3D位置编码（Positional Encoding, PE）作为通用的空间表征，解决了VLM在处理精细的3D空间关系时的缺陷。这种方法能够显著提升系统的空间推理和轨迹规划能力。

关键观点2: 采用了显式的、统一的3D位置编码

SpaceDrive的核心在于摒弃了传统VLM将坐标数值视为文本token的处理方式，转而采用显式的、统一的3D位置编码作为空间表征。这种编码方式显著提高了系统的空间感知能力。

关键观点3: 实现了视觉与文本的融合

SpaceDrive通过将视觉token与3D PE在特征空间进行显式融合，实现了视觉与文本的融合。这种融合方式有助于提高系统对场景的描述能力和空间推理能力。

关键观点4: 实验验证了有效性

论文在nuScenes数据集和Bench2Drive基准测试上对SpaceDrive进行了开环和闭环规划验证。实验结果表明，SpaceDrive在各项指标上均超越了现有的VLM-based方法，验证了其有效性。

关键观点5: 具备通用性

SpaceDrive框架具备通用性，可以应用于不同的VLM架构，并证明适用于推理时增强功能，如思维链推理。