近日，AAAI 2026公布了論文錄用結(jié)果，該會議是人工智能領(lǐng)域的國際頂級會議之一。據(jù)悉，AAAI 2026共收到23,680份論文投稿，其中4,167篇論文被錄用，錄用率僅為17.6%。

由小鵬汽車和北京大學(xué)計(jì)算機(jī)學(xué)院多媒體信息處理全國重點(diǎn)實(shí)驗(yàn)室聯(lián)合完成的論文《FastDriveVLA: Efficient End-to-End Driving via Plug-and-Play Reconstruction-based Token Pruning》成功入選。

這篇論文最大的貢獻(xiàn)在于，提出了一種專門為端到端自動駕駛VLA模型定制的、高效的視覺Token剪枝框架——FastDriveVLA。

隨著AI大模型技術(shù)的加速演進(jìn)，VLA（視覺-語言-動作）模型由于在復(fù)雜場景理解與動作推理方面展示出巨大潛力，正在被廣泛地應(yīng)用于端到端自動駕駛系統(tǒng)中。VLA模型在處理視覺信息時(shí)，會將圖像編碼為海量視覺Token（詞元）。

視覺Token是VLA模型“看懂世界”，并“做出決策”的基石，其質(zhì)量、數(shù)量與選擇策略直接決定模型的性能、效率與可信度。然而，直接轉(zhuǎn)換的處理方式會導(dǎo)致車端計(jì)算負(fù)荷變大，同時(shí)還會影響模型的推理效率和決策執(zhí)行。

此前，視覺Token剪枝已被證實(shí)了是加速VLA模型推理的可行方法之一。但傳統(tǒng)的視覺Token剪枝方法或依賴文本-視覺注意力關(guān)聯(lián)，或基于Token相似度去重，在駕駛場景中均存在明顯局限。

為了解決這一問題，小鵬汽車聯(lián)合北大共同提出了FastDriveVLA——一種專門為自動駕駛設(shè)計(jì)的、基于重建的視覺Token剪枝框架。

該框架的提出受到了人類駕駛員在駕駛時(shí)會專注于相關(guān)前景信息（如行人、道路、車輛、交通標(biāo)志、交通信號燈、交通障礙物）的啟發(fā)，引入了一種新穎的對抗性前景-背景重建策略，以增強(qiáng)VLA模型識別有價(jià)值Token的能力，從而教會AI“像人一樣開車”，自動過濾無關(guān)緊要的視覺信息，只關(guān)注有用的核心信息。

FastDriveVLA 框架

在訓(xùn)練階段，論文中提出了一種新穎的“前景-背景對抗重建”策略，以增強(qiáng) ReconPruner 對前景視覺 Token 的感知能力；

在推理階段，ReconPruner可直接嵌入自動駕駛VLA模型，用于 Token 剪枝。

FastDriveVLA包含一個(gè)即插即用的視覺Token剪枝器ReconPruner。在車端模型的推理階段， ReconPruner可直接嵌入自動駕駛VLA模型用于視覺Token的剪枝，即插即用，無需重新訓(xùn)練整個(gè)模型。為了輔助該剪枝器的訓(xùn)練，還專門構(gòu)建了包含來自6個(gè)攝像頭視角的24.1萬個(gè)圖像-掩碼對的nuScenes-FG數(shù)據(jù)集。這一大規(guī)模的自動駕駛前景分割標(biāo)注數(shù)據(jù)集，可廣泛用于未來自動駕駛的研究。

nuScenes-FG。

該數(shù)據(jù)集為 nuScenes 場景提供了 24.1 萬個(gè)前景分割標(biāo)注。

這種“去繁從簡”只關(guān)注核心駕駛信息的思路，讓FastDriveVLA取得了驚艷的效果。最終，nuScenes自動駕駛數(shù)據(jù)集上的測試顯示，采用這一剪枝框架，在不同剪枝率下均取得當(dāng)前最優(yōu)即SOTA效果：

當(dāng)剪枝比例達(dá)25%，駕駛性能幾乎不下降，其L2軌跡誤差與碰撞率指標(biāo)甚至超越未剪枝的基準(zhǔn)模型；

當(dāng)剪枝比例達(dá)50%，在所有指標(biāo)上表現(xiàn)更平衡；

與此同時(shí)，VLA模型的推理效率得到了顯著提升。當(dāng)視覺Token數(shù)量從3249減少到812時(shí)，F(xiàn)astDriveVLA 實(shí)現(xiàn)了近7.5倍的計(jì)算量（FLOPs）減少。在 CUDA （指從GPU啟動一個(gè)計(jì)算任務(wù)到真正拿到該任務(wù)的計(jì)算結(jié)果之間所經(jīng)歷的時(shí)間）延遲方面，F(xiàn)astDriveVLA 將預(yù)填充時(shí)間（prefill）與解碼時(shí)間（decode）分別減少了3.7倍與1.3倍。

小鵬汽車聯(lián)合北大提出的FastDriveVLA，建立了自動駕駛VLA模型的高效視覺Token剪枝的新范式，同時(shí)樹立了車端大模型高效部署上車的新標(biāo)桿。

此次論文入選AAAI 2026，是小鵬汽車今年第二次參與人工智能領(lǐng)域的國際頂級會議。早在今年6月，小鵬汽車曾作為CVPR WAD唯一邀請演講中國車企，分享自動駕駛基座模型研發(fā)進(jìn)展。在今年11月的科技日上，小鵬汽車正式推出第二代VLA，創(chuàng)新性地去掉了“語言轉(zhuǎn)譯”環(huán)節(jié)，首次實(shí)現(xiàn)從視覺信號到動作指令的端到端直接生成，顛覆了行業(yè)傳統(tǒng)的「V-L-A」架構(gòu)，探索全新物理AI模型范式。這些成果都為全球自動駕駛的研究和實(shí)踐注入了全新的動力。

這一系列成果也彰顯了小鵬汽車從模型架構(gòu)設(shè)計(jì)、模型訓(xùn)練到模型蒸餾、部署上車的全棧自研能力。未來，小鵬汽車將繼續(xù)以L4為目標(biāo)，在AI大模型領(lǐng)域加大投入，加速物理AI大模型上車，讓更安全、高效、舒適的智駕體驗(yàn)惠及全球用戶。