NoRD：无需推理即可驾驶的数据高效视觉-语言-动作模型

视觉-语言-动作（VLA）模型通过用统一的端到端架构取代模块化管道来推进自动驾驶。然而，当前的 VLA 面临两个昂贵的要求：（1）海量数据集收集，（2）密集推理注释。在这项工作中，我们用 \modelname 解决了这两个挑战（\textbf{No} \textbf{R}easoning for \textbf{D}riving）。与现有的 VLA 相比，\modelname 实现了具有竞争力的性能，同时对 $<$60\% 的数据进行了微调，并且没有推理注释，从而减少了 3$\times$ 的标记。我们发现，当标准组相对策略优化（GRPO）应用于在如此小的、无推理数据集上训练的策略时，无法产生显着的改进。我们表明，这种限制源于难度偏差，它不成比例地惩罚来自 GRPO 内产生高方差推出的场景的奖励信号。 \modelname 通过结合 Dr.~GRPO 克服了这个问题，Dr.~GRPO 是一种旨在减轻大语言模型难度偏差的最新算法。因此，\modelname 只需一小部分训练数据且无需推理开销，即可在 Waymo 和 NAVSIM 上实现具有竞争力的性能，从而实现更高效的自主系统。