Reasoning to Regulate: Chain-of-Thought for Traffic Rule Understanding

📄 arXiv: 2607.24199v1 📥 PDF

作者: Yueru Luo, Xu Yan, Changqing Zhou, Yiming Yang, Chao Zhan, Shuqi Mei, Chao Zheng, Zhen Li

分类: cs.CV

发布日期: 2026-07-27

备注: Technical Report

💡 一句话要点

提出链式思维框架以解决交通规则理解问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 交通规则理解 链式思维 视觉-语言模型 推理能力 自动驾驶 MapDR数据集 强化学习

📋 核心要点

  1. 核心问题：现有方法将交通规则理解视为简单的序列预测，未能有效处理标志语义与地图结构之间的推理关系。
  2. 方法要点：提出了一种链式思维框架，通过强大的语言模型生成推理过程，并利用视觉-语言模型进行验证。
  3. 实验或效果：在MapDR数据集上进行的广泛实验表明，该方法显著提高了交通规则理解的可解释性和准确性。

📝 摘要（中文）

理解和遵守交通法规是自动驾驶的安全关键要求，但由于交通标志的多样性和上下文依赖性，这一任务仍然具有挑战性。交通规则理解不仅是简单的识别任务，而是一个推理问题：规则的适用性取决于对标志与车道空间布局和场景上下文的解释。为支持这种推理，MapDR提供了细粒度注释，将每个交通标志的监管规则与其所管辖的特定车道联系起来。现有方法主要将此视为直接的序列预测，忽略了连接标志语义和地图结构的推理。为了解决这一局限性，本文明确将推理纳入任务中，提出了一种框架，使视觉-语言模型具备链式思维能力。通过广泛的实验，证明了该方法在可解释性和准确性上的显著提升。

🔬 方法详解

问题定义：本文旨在解决交通规则理解中的推理问题，现有方法未能有效连接交通标志的语义与地图结构，导致理解准确性不足。

核心思路：通过引入链式思维（CoT）能力，论文设计了一种新的框架，使视觉-语言模型能够进行推理，从而提升交通规则的理解能力。

技术框架：整体架构包括两个主要阶段：首先是可扩展的CoT策划管道，通过强大的语言模型生成推理依据；其次是基于视觉-语言模型的验证器，过滤不正确的案例，最终生成高质量的（CoT，答案）对。

关键创新：最重要的创新在于将推理过程显式地融入交通规则理解任务中，建立了第一个基于推理的框架，显著区别于传统的序列预测方法。

关键设计：采用了两轮策略从强大的语言模型中引导推理依据，并使用基于答案的细粒度奖励进行强化学习，以进一步提高最终答案的准确性。实验中使用了监督微调（SFT）和GRPO强化学习相结合的训练方案。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在MapDR数据集上的实验结果显示，提出的方法在交通规则理解的可解释性和准确性上均有显著提升，相较于基线方法，准确率提高了XX%，可解释性评分提升了YY%。这些结果表明该框架在实际应用中的有效性和潜力。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶汽车的交通规则理解和遵守，能够提高自动驾驶系统在复杂交通环境中的安全性和可靠性。此外，该框架的推理能力也可扩展至其他需要上下文理解的智能系统，具有广泛的实际价值和未来影响。

📄 摘要（原文）

Understanding and complying with traffic regulations is a safety-critical requirement for autonomous driving, yet remains challenging due to the diversity and context dependence of traffic signage. Importantly, regulation understanding is not a simple recognition task, but a reasoning problem: whether a rule applies depends on interpreting the sign in relation to the spatial layout of lanes and scene context. To support such reasoning, MapDR provide fine-grained annotations that link each traffic sign's regulatory rules to the specific lanes they govern. Existing methods, however, largely treat this as direct sequence prediction, ignoring the underlying reasoning that connects sign semantics and map structure. To address this limitation, we explicitly incorporate reasoning into this task and propose a framework that equips vision-language models (VLMs) with chain-of-thought (CoT) capabilities. We first design a scalable CoT curation pipeline that bootstraps rationales from a strong LLM through a two-round strategy and employs a VLM-based verifier to filter out incorrect cases, yielding a high-quality set of (CoT, answer) pairs. Building on this foundation, we adopt a two-stage training scheme: supervised fine-tuning (SFT) to teach rationale-to-answer generation, followed by GRPO reinforcement learning with answer-grounded, fine-grained rewards to further improve final answer accuracy. Extensive experiments on MapDR show that our approach significantly improves both interpretability and accuracy, establishing the first reasoning-based framework for regulation-aware autonomous driving.