في عالم القيادة الذاتية، يعد تحسين القدرات الاستدلالية أمراً بالغ الأهمية لضمان سلامة وكفاءة المركبات. ولقد شهدت نماذج رؤية-لغة-عمل (Vision-Language-Action) تطوراً ملحوظاً من خلال استخدام إشراف سلاسل الأفكار (Chain-of-Thought) لتعزيز قدراتها. لكن الدراسة الجديدة تكشف عن مشكلة حادة تتعلق بتحيز "ترسيخ المسار" (Trajectory Anchoring Bias) الذي ينشأ عندما يتعرض النموذج التعليمي للحقيقة الأرضية المسجلة للمسارات المستقبلية.

التحقيقات المن conducted في هذه الدراسة أظهرت أن التعرض للمعلومات السابقة يؤدي إلى أن النماذج التعليمية تستند إلى النتائج المعلنة بدلاً من استخدام الأدلة المرئية لاستنتاج قرارات مستندة إلى الواقع، مما يؤدي إلى أخطاء كبيرة في التفكير الاستدلالي.

تقديم "أسئلة متعددة الخيارات للقيادة الذاتية" (Autonomous-Driving Multiple-Choice Question - AD-MCQ) يعد خطوة مبتكرة، حيث يتم إعادة هيكلة التخطيط ليكون بمثابة اختيار من بين مسارات مرئية واضحة بدلاً من الاعتماد على تكوين مفتوح للنماذج.

وأيضاً، تم الإشارة إلى تقديم تقنية "التعرض المؤجل للمسارات المستقبلية" (Deferred Exposure of Future Trajectories - DEFT) التي تحول المسارات المستقبلية من مراكز القرار السابقة إلى أهداف تحقق ما بعد القرار، مما يُعزز من قدرة النماذج على اتخاذ القرارات بشكل أكثر موثوقية.

أظهرت النتائج التجريبية أن DEFT تُحسن من الاستدلال في القيادة الذاتية، مع الحفاظ على القدرات المرئية العامة أو حتى تحسينها. تُعتبر هذه التقنيات أساساً مرناً وقابلاً للتوسع لمزيد من الأبحاث في مجال القيادة الذاتية القابلة للتحقق.