本研究评估了多模态大型语言模型（MLLMs）在自动驾驶领域的应用，并发现它们在预测复杂、动态的驾驶环境中存在不足。研究结果突出了当前领先的MLLMs在真实动态环境中应用能力上的重要差距，强调了需要改进基础模型以提高其在真实世界动态环境中的适用性。

该研究提出了一种基于转换器的神经重定位方法，通过在导航地图和视觉鸟瞰图特征之间进行粗到精的神经特征注册。该方法在无高清地图定位方面优于OrienterNet方法，适用于具有挑战性的驾驶环境，具有成本效益、可靠性和可扩展性。