WorkDrive：自动驾驶的道路作业因果链

自动驾驶视觉语言模型（VLM）在道路施工区域中举步维艰，车道标记和永久标志等熟悉的视觉提示被改变或消失，而锥体和障碍物等临时设备重新定义了可行驶的走廊。 VLM 可以检测到这些对象，但如果没有明确的指导，它们会将推理锚定在 预训练 中熟悉的元素上，并且无法将工作区观察结果与正确的规划决策联系起来。我们提出了 WorkDrive，这是一个为工作区构建基于感知的因果推理并将其与轨迹预测保持一致的框架。自动多任务感知管道提取结构化场景事实并将其注入因果链 (CoC) 注释管道中，将注释者的注意力重定向到特定于领域的元素。由此产生的推理标签用于监督 微调，然后进行具有单一奖励的强化学习：横向元动作与预测轨迹之间的一致性。在最大的公共工作区数据集 ROADWork 上，所提出的道路施工 CoC 将轨迹平均位移误差 (ADE) 降低了 9.0%，基于一致性的 GRPO 进一步降低了 3.0%，相对于仅轨迹基线实现了逐步改进。代码和数据将公开发布。