arXiv:2606.07338v1 Announce Type: new 
Abstract: Vision-language driving models increasingly use reasoning supervision to bridge perception, prediction, and planning, but existing driving rationales are often free-form and expensive to generate with frontier models. We present VeriDrive, a framework for constructing planning-oriented, verifiable counterfactual supervision. VeriDrive converts driving reasoning into a structured Perception-Evaluation-Revision chain that grounds key objects in future motion, evaluates alternative ego trajectories with rule-checkable evidence, revises risky intent toward expert behavior, and produces final planning targets. To scale data construction, VeriDrive combines local generation with validator-guided selective correction, escalating only invalid or difficult samples. We build the VeriDrive dataset on nuScenes and train under the Omni-Q protocol. Controlled open-loop experiments show that VeriDrive improves L2, Collision, and Intersection over OmniDrive while reducing logged token usage, generation time, and actual paid LLM/VLM cost. These results show that auditable intermediate fields and structured revision targets can improve vision-language planning supervision under realistic annotation budgets. Code, prompts, and validator scripts are coming soon and will be released after the review process.

تم تقديم VeriDrive كإطار عمل يعزز نماذج القيادة القائمة على اللغة والرؤية من خلال توفير إشراف مضاد قابل للتحقق، مما يحسن كفاءة المهام الموجهة نحو التخطيط. يستخدم هذا الإطار سلسلة هيكلية من الإدراك والتقييم والمراجعة لتثبيت الكائنات الرئيسية في الحركة المستقبلية وتقييم المسارات البديلة. تم بناء مجموعة بيانات VeriDrive على nuScenes وتم تدريبها بموجب بروتوكول Omni-Q، مما يظهر تحسينات في مقاييس الأداء مقارنة بالنماذج السابقة.

VeriDrive se ha presentado como un marco que mejora los modelos de conducción de lenguaje-visión al proporcionar supervisión contrafactual verificable, lo que mejora la eficiencia de las tareas orientadas a la planificación. Este marco utiliza una cadena estructurada de Percepción-Evaluación-Revisión para anclar objetos clave en el movimiento futuro y evaluar trayectorias alternativas. El conjunto de datos se construye sobre nuScenes y se entrena bajo el protocolo Omni-Q, demostrando métricas de rendimiento mejoradas en comparación con modelos anteriores.

VeriDrive a été introduit comme un cadre qui améliore les modèles de conduite vision-langage en fournissant une supervision contrefactuelle vérifiable, ce qui améliore l'efficacité des tâches orientées vers la planification. Ce cadre utilise une chaîne structurée de Perception-Évaluation-Révision pour ancrer des objets clés dans le mouvement futur et évaluer des trajectoires alternatives. Le jeu de données est construit sur nuScenes et entraîné sous le protocole Omni-Q, démontrant des performances améliorées par rapport aux modèles précédents.

VeriDrive has been introduced as a framework that enhances vision-language driving models by providing verifiable counterfactual supervision, which improves the efficiency of planning-oriented tasks. This framework utilizes a structured Perception-Evaluation-Revision chain to ground key objects in future motion and evaluate alternative ego trajectories. The dataset is built on nuScenes and trained under the Omni-Q protocol, demonstrating improved performance metrics compared to previous models.