已收录文章摘要，完整内容可前往原文阅读。
“纸上得来终觉浅，绝知‘行’事要躬行。”当下的端到端自动驾驶 VLA 模型虽能凭借思维链（CoT）头头是道地分析路况，却往往陷入“纸上谈兵”的窘境——文本说得天花乱坠，视觉注意力却在物理空间中飘忽涣散