# DriveMind otomatik sürüş çerçevesi Neurips 2026'da kabul edildi

> DriveMind, Bench2Drive testinde sürüş puanını 68,50'den 81,37'e ve başarı oranını %41,36'dan %54,09'e yükselterek Neurips 2026'da kabul edildi.

- URL: https://atakankademli.com.tr/blog/drivemind-otomatik-surus-cercevesi-neurips-2026da-kabul-edil-hb824
- Yazar: Haber Masası
- Yayın: 2026-10-26
- Güncelleme: 2026-10-26
- Kategori: Teknoloji

Yazar Yan Shi tarafından arXiv'e 23 Ekim 2026 tarihinde yüklenen ve 26 Ekim 2026 tarihinde yayınlanan DriveMind makalesi, çoklu hipotez tutan bir MLLM tabanlı otomatik sürüş çerçevesi olarak tanımlanıyor. Çalışma, Artificial Intelligence (cs.AI) kategorisinde arXiv:2610.32069 numarasıyla sunulmuştur.

## Mevcut modellerin sınırına DriveMind çözüm

Yazarlar, mevcut çoklu modal büyük dil modeli tabanlı sürücülerin her karede sıfırdan yorum yapıp tek bir açıklamaya kilitlendiğini ve önceki hipotezleri atıp geçtiğini belirtiyor. Sahnede belirsizlik olduğunda bu modeller aracı yanlış yoruma kilitleyebilir ve kanıt birikmeden önce hareket edebilir. DriveMind ise parçacık süzmeleden ilham alarak birden fazla hipotezi aynı anda sürdürmeyi hedefliyor.

## Bench2Drive sonuçları ve teknik detaylar

Sistem her hipotezi bir VLM üzerinden yayar, mevcut gözlemle puanlar ve çeşitliliği korumak için yeniden örnekleme yapar. Yeni kareler gelip gittiğinde ağırlıkları güncellenir. Bench2Drive deneylerinde sürüş puanı 68,50'den 81,37'e, başarı oranı ise %41,36'dan %54,09'e yükseldi. En büyük iyileşme işaretsiz kavşaklarda +20,0 ve karşıdan gelen trafik etkileşiminde +20,5 sürüş puanı kazancı olarak kaydedildi.

Çerçeve birleştirme, acil frenleme ve geçme hakkı verme gibi ince etkileşimli sürüş yeteneklerini de iyileştirdi. Makale Neurips 2026 tarafından kabul edildi. arXiv DOI'si 10.48550/arXiv.2610.32069 olarak DataCite üzerinden verilmiş ve kayıt beklenmektedir.

## Neden önemli?

DriveMind, mevcut MLLM tabanlı sürüş modellerinin her karede sıfırdan yorum yapıp önceki hipotezleri atıp geçme sorununa, birden fazla hipotezi aynı anda sürdürme yoluyla çözüm sunuyor. Bench2Drive'deki önemli performans artışı, otomatik sürüş sistemlerinde belirsiz trafik senaryolarının daha güvenli yönetilmesine katkı sağlayabilir.

Kaynak: [arXiv — Artificial Intelligence](https://arxiv.org/abs/2610.32069)

Temsili görsel: [Stephen Leonardi / Pexels](https://www.pexels.com/photo/autonomous-self-driving-car-on-urban-street-35076289/)