ड्राइवVLM एक स्वचालित ड्राइविंग सिस्टम है जो दृश्य भाषा मॉडल (VLM) का उपयोग दृश्य समझ और योजना क्षमताओं को बढ़ाने के लिए करता है। यह सिस्टम दृश्य विवरण, दृश्य विश्लेषण और स्तरीय योजना सहित अद्वितीय अनुमान मॉड्यूल के संयोजन के माध्यम से जटिल और दुर्लभ दृश्यों की समझ में सुधार करता है। इसके अलावा, स्थानिक अनुमान और कम्प्यूटेशनल आवश्यकताओं में VLM की सीमाओं को दूर करने के लिए, ड्राइवVLM-ड्यूल प्रस्तावित किया गया है, जो एक संकर प्रणाली है जो ड्राइवVLM के लाभों और पारंपरिक स्वचालित ड्राइविंग प्रक्रियाओं को जोड़ती है। NuScenes डेटासेट और SUP-AD डेटासेट पर किए गए प्रयोगों से पता चलता है कि ड्राइवVLM और ड्राइवVLM-ड्यूल जटिल और अप्रत्याशित ड्राइविंग स्थितियों को संभालने में बहुत प्रभावी हैं। अंत में, ड्राइवVLM-ड्यूल को उत्पादन वाहनों पर तैनात किया गया है, जिससे वास्तविक दुनिया के स्वचालित ड्राइविंग वातावरण में इसकी प्रभावशीलता सत्यापित होती है।