关于可穿越性的推理：语言引导的越野 3D 轨迹规划

虽然视觉语言模型 (VLM) 能够实现端到端自动驾驶的高级语义推理，特别是在非结构化环境中，但现有越野数据集的语言注释与车辆动作和地形几何形状的一致性较差。为了解决这种不一致问题，我们提出了一种语言细化框架，该框架将注释重组为动作对齐对，使 VLM 能够直接从单个图像生成细化的场景描述和 3D 未来轨迹。为了进一步鼓励地形感知规划，我们引入了一种偏好优化策略，该策略构建几何感知硬负例并明确惩罚与当地高程剖面不一致的轨迹。此外，我们提出了越野特定指标来量化可通行性合规性和高程一致性，解决了传统道路评估的局限性。 ORAD-3D 基准测试表明，我们的方法将平均轨迹误差从 1.01m 降低到 0.97m，将可通行性从 0.621 提高到 0.644，并将高程不一致从 0.428 降低到 0.322，突出了动作对齐监督和地形感知优化对于鲁棒越野驾驶的有效性。