驾驶模型正逐步将推理根植于因果关系、空间结构、感知证据以及对未来的预测。这些进展提升了推理对场景的忠实度，却留下一个核心疑问：当模型最终输出动作时，落地性到底应如何定义？仅有正确的落地推理并不能保证安全或高效的驾驶结果。
GroundAct 由一个直观前提出发：驾驶过程由物理实体及其相互作用构成。于是实体成为落地的基本单元；一个轻量级的引用标记使每个被选实体的连续状态能够在符号推理中被寻址；只有被引用实体与不断演化的方案之间的交互才会修正计划。这样形成了从推理落地对象到计划执行行为的明确路径，我们称之为“落地规划”。
为了验证其实用价值，研究在开放环和闭环两种设置下评估 GroundAct。实验显示，在常规、分布外以及安全关键场景中，GroundAct 在开放环规划上表现强劲；闭环仿真进一步证明其在实际驾驶中的有效性。
点评