GatedVLA 与基于摄像头的紧急制动：AlpaSim 端到端闭环挑战技术报告

GatedVLA 是 PAI-AV 赛道的参赛方案，将驾驶预训练的 Qwen-Drive-1.0-4B 视觉语言模型与逐层流匹配动作专家结合，输出 2.5 秒时域的加速度与曲率控制，并对动作专家交叉注意力施加软视觉掩码。在相同 150 个场景的本地闭环评估中（每场景两次 rollout），视觉掩码将平均场景得分从 0.479 提升至 0.517（配对差值 +0.038，95% bootstrap CI [-0.018, +0.093]，胜负 37/26，符号检验 p = 0.21）。