小鹏 AUGUstus VLA 不用评分模块就拿下 NAVSIM 最优成绩
北大、小鹏与复旦提出「动作优先」的 VLA 训练，面向低延迟部署
北京大学、小鹏汽车和复旦大学的研究者于 10 月 14 日发表了 AUGUstus，一个面向城市自动驾驶的视觉—语言—动作模型，在 NAVSIM v1 基准上取得 94.6 的预测驾驶员模型分数（PDMS）—— 一个号称最优的结果，而且没有用许多竞争方法所依赖的评分模块。论文处理的是自动驾驶 AI 的核心工程张力之一：如何在保留大语言模型推理能力的同时，让动作生成循环快到足以在量产车上运行。
AUGUstus 要解决的延迟—推理两难
视觉—语言—动作模型有望用端到端神经系统取代手写的驾驶规则，在发出转向和油门决策之前用自然语言对不寻常场景进行推理。实际问题是，生成思维链推理 —— 让 VLA 决策更可解释、更可泛化的逐步语言逻辑 —— 会增加延迟。在穿越城市路口的车辆上，即便适度的计算延迟也会影响可用的安全余量。
早先的驾驶 VLA 方法分成两派。回归式和流式模型能快速生成车辆动作，但无法利用基于语言的理解，在新场景中显得脆弱。自回归思维链系统通过在动作 token 之前生成语言解读来提升推理质量，但由于推理 token 必须先完成，延迟预算让实时部署捉襟见肘。
AUGUstus 引入了论文称为 AUGUstus-mode 的训练方案：训练时，模型先生成动作输出，之后才产出思维链推理 token。因为模型已经学会在自己的动作之后产出连贯的推理，推理流水线可以完全跳过推理步骤 —— 只输出动作 —— 而无需与一个具备推理能力的模型分开训练。模型在部署时保留了训练中形成的推理形状的内部表示，却不必支付 token 生成的代价。
AUGUstus-GRPO 如何联合优化动作与语言
第二项架构贡献是 AUGUstus-GRPO，建立在组相对策略优化之上。标准的语言模型 RL 微调只优化语言输出。AUGUstus-GRPO 施加一个联合奖励信号，同时评估驾驶动作的质量和其后产出的思维链的质量。联合优化旨在防止推理 token 漂向听起来合理、却并不真正改善驾驶决策的语言 —— 这是动作与语言目标分开训练时会出现的失效模式。
在动作生成上，AUGUstus 使用基于扩散的头产出连续轨迹输出。NAVSIM v2 的结果使用「单步去噪」变体，以单次前向传播近似完整扩散过程，用一些分布广度换取更低延迟。训练使用 512 张英伟达 H800 GPU 约两天，消耗了超过 31.8 万小时的驾驶视频和超过 5130 亿 token。
NAVSIM 结果，以及这个基准到底衡量什么
这个NAVSIM v1 基准的预测驾驶员模型分数综合五个子指标：无责碰撞率、可行驶区域合规、碰撞时间余量、自车朝路线目标的推进，以及惩罚急促输入的舒适度分数。在扩展了车道保持和航向一致性等额外维度的 NAVSIM v2 上，AUGUstus 取得 90.7 的扩展 PDMS。在 nuScenes 上，论文报告平均 L2 位移误差 0.27 米、平均碰撞率 0.05%。一次初步的车载测试展示该模型以 12 Hz 运行 —— 这是早期结果，而非量产认证的目标。
该基准使用非反应式仿真：其他车辆不会对自车的动作做出响应，这让评估可复现，但限制了它捕捉汇入博弈或无控路口让行等交互驾驶动态的能力。高 PDMS 分数是在既定条件下轨迹质量的有意义信号，不是开放道路使用的安全认证。
明确强调「不用评分模块」之所以重要，是因为评分模块会在生成后评估多条候选轨迹并选出评分最高的一条，让榜单成绩相对基础模型自身的表现虚高。AUGUstus 的 94.6 反映的是内在轨迹质量，而非事后的候选挑选。作为参照，NAVSIM 论文报告同一基准上人类专家的参考分数为 94.8。所有基准结果均为 arXiv 预印本中的公司自报数字，截至撰稿尚未被独立复现。
AUGUstus 在小鹏商业 VLA 路线图中的位置
AUGUstus 论文是小鹏 AI 研究团队与北大、复旦合作的学术出版物，不同于小鹏的量产自动驾驶项目。小鹏的商业VLA 2.0于 2026 年 3 月进入量产，走的是另一条架构路线：它完全去掉了语言这一中间表示，转向直接的视觉到动作映射。小鹏报告称，首个部署月里超过 50% 的辅助驾驶里程使用了 VLA 生成的动作。据小鹏称，2026 年 8 月的第二代量产升级把车端参数量扩大了 3.5 倍。
小鹏还在运营 Robotaxi 项目，2026 年在中国开始试运营载客，大众汽车已被宣布为小鹏 AI 技术的首个外部客户，VLA 2.0 的全球交付计划在 2027 年。AUGUstus 与 VLA 2.0 代表了同一家公司内部不同的工程哲学 —— 量产系统彻底去掉语言中介，研究论文则主张可以通过训练时的顺序技巧保留语言中介、同时消除其推理成本。
需要独立核实的说法
促成本文的新闻简报里包含多个论文中并不存在的数字。它给该模型标了「130 亿参数」（论文未说明），描述了「620 万公里小鹏车队数据」（论文报告的是 31.8 万小时以上的驾驶视频，不是里程数字），并引用了「广州真实道路测试 94.3% 的路口通行成功率」（论文的主要结果是 NAVSIM v1 仿真上的 94.6 PDMS，不是广州路测）。简报还提到「来自中国国家智能汽车测试标准的 43 种对抗场景类型」（论文用的是 NAVSIM 和 nuScenes）。AUGUstus 项目页面确认论文于 10 月 14 日发布，arXiv 编号为 2610.16985；简报引用的 arXiv 编号（2410.10189）也是错的。简报中的具体统计数字没有一个出现在论文里。
模型参数量仍未公开说明。是否会发布模型权重尚未宣布，这限制了独立复现。
NAVSIM 领先对 VLA 研究竞赛意味着什么
不用评分模块取得 94.6 PDMS 之所以重要，主要在于它把架构质量与事后优化区分开。如果该结果在独立复现中站得住，AUGUstus-mode 就提供了一条在驾驶系统中保留 VLM 推理收益、又不付推理代价的实用路径 —— 这一取舍一直制约着具备推理能力的 VLA 在生产中的应用。其意义可能超出驾驶：任何在训练时语言模型推理有价值、但在部署速度下不切实际的具身 AI 系统，都可能受益于同样的动作优先训练顺序。
AUGUstus-GRPO 的联合优化能否在反应式的开放道路条件下转化为可测量的更好驾驶 —— 以及 NAVSIM 分数是否与复杂城市交通中的真实安全改善相关 —— 将决定这种架构路线对下一代已部署系统的影响有多大。