多模态规划通过在模糊和长尾场景中提供多种可能的行为，展现出对自动驾驶的潜力。现有方法主要致力于提升轨迹的多样性、改进轨迹表征或重塑候选分布。然而，我们发现在多模态规划中存在显著的生成‑评估不对称：虽然在理想情况下（oracle）能够得到高分，但实际规划器往往难以可靠地挑选出最佳候选，导致大量潜在性能被浪费。
为了解决这一瓶颈，本文提出 iDriveVLA——一个兼顾候选轨迹空间扩展与上下文感知评估的框架。iDriveVLA 的核心是统一的轨迹评估器，包含安全感知评分器用于质量与风险估计，以及受视觉语言模型（VLM）引导的调制器，用以根据场景自适应地加权评估准则。
训练方面，采用与 oracle 对齐的渐进式策略：首先进行候选轨迹的模仿预训练，其次通过候选空间细化提升多样性，最后通过语义排序对齐使评估器的输出与真实优劣保持一致。
在公开的 NAVSIM v1 排行榜上，iDriveVLA 达到 94.95 PDMS 的新纪录，超越了人类专家基准。
点评