# ICML 2026：AutoMoT 用大小模型异步分工，在 Bench2Drive 和 nuScenes 上拿了双料第一

> 原标题：ICML2026 | AutoMoT : B2D &amp; nuScense双SOTA ，重新思考VLM和端到端驾驶的结合

- 来源：机器之心 · 公众号
- 发布时间：2026-05-28T04:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30054
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651035468&idx=3&sn=c2d8f60bfc41fea7fcdfcd7d25b83291

## 摘要

这篇文章本身被微信环境验证挡住了，正文内容没抓到，所以下面说的都基于标题和已知信息。AutoMoT 是南洋理工 AutoMan 实验室、哈佛和小米汽车一起搞的端到端驾驶模型，核心思路是把视觉语言模型和驾驶动作拆成两个专家：一个 4B 的 Qwen3-VL 负责看懂场景，一个 1.6B 的动作专家负责输出驾驶指令，而且两个模型是异步推理的，不用互相等。

## 推荐理由

AutoMoT 把 4B 视觉语言模型与 1.6B 动作专家拆成异步推理，在 Bench2Drive 和 nuScenes 上取得双料第一，其大小模型分工思路可供端到端驾驶架构参考。

## 锐评

4B 的 Qwen3-VL 加 1.6B 的动作专家，这个组合在算力上确实省，异步推理让大模型不用等小模型，思路比硬塞进一个模型里干净。但双料第一这个说法得看指标，nuScenes 的具体数字没看到，Bench2Drive 是仿真，实车验证也没提。自动驾驶这行仿真刷分和真上路是两回事，纯仿真成绩先当参考看。对做端到端驾驶的人，这个大小模型分工的架构值得研究，但离能落地还差得远。
