提出DriveVLM框架，将视觉语言大模型融入自动驾驶全链路，通过场景理解、场景分析和分层规划三阶段实现复杂场景推理决策。

提出全向量化驾驶场景表示，将agent运动和地图元素建模为显式向量实例，避免密集栅格化，实现高效端到端规划。

提出MapTR，通过置换等价建模和分层query设计，实现高效的端到端在线矢量化高精地图构建，消除对离线HD Map的依赖。