视觉语言大模型（VLM）

本文提出了一种新的端到端自动驾驶框架ORION，通过引入QT-Former聚合历史场景信息、VLM进行场景理解与指令生成以及生成模型对齐推理空间和动作空间，实现在闭环评测数据集Bench2Drive上的优异性能。