يقترح الباحثون WCog-VLA، وهو إطار عمل جديد ثنائي المستوى للرؤية واللغة والإجراء المعرفي للعالم مصمم لتمكين القيادة الذاتية الاستباقية من خلال ربط التنبؤ الدلالي بالتطور التوليدي. يعالج النموذج قيود الطرق الحالية التي تفتقر إلى الإدراك الشامل للعالم أو تعاني من رؤية مستقبلية مجزأة.
على المستوى الدلالي، يوحّد WCog-VLA إدراك العالم والاستدلال باستخدام الإدراك المكاني ثلاثي الأبعاد، ورموز الوكيل لالتقاط الديناميكيات، واستدلال Chain-of-Thought القائم على نظرية الألعاب (Game-CoT). على المستوى التوليدي، يستخدم محوّل الانتشار المفكك الموائم (ADDT) لتوليد مسارات مشتركة متعددة الوكلاء قابلة للتصديق فيزيائياً مع تقليل خطوات إزالة الضوضاء لتسريع الاستدلال. قام المؤلفون أيضاً ببناء مجموعة بيانات واسعة النطاق تتميز بـ 85k من التعليقات التوضيحية لـ Game-CoT لتسهيل الاستدلال الاستراتيجي.
أظهرت تجارب مكثفة على معيار NAVSIM أن WCog-VLA يحقق درجة PDMS State-Of-The-Art (SOTA) تبلغ 92.9.