商湯絕影CEO王曉剛發(fā)布“與世界模型協(xié)同交互的端到端自動駕駛路線R-UniAD”

　　“端到端自動駕駛本質是通過海量高質量人類駕駛數(shù)據(jù)，模仿學習最佳人類駕駛實驗效果。端到端大模型的數(shù)據(jù)輸入是各種高質量人類駕駛數(shù)據(jù)，多個攝像頭采集到的視頻，輸出就是人類駕駛行為的軌跡。通過這樣的模仿不斷更新端到端大模型，提升駕駛能力?！鄙虦^影CEO、商湯科技聯(lián)合創(chuàng)始人、首席科學家王曉剛在日前舉行的2025GDC全球開發(fā)者先鋒大會上表示，商湯絕影的與世界模型協(xié)同交互的端到端自動駕駛路線R-UniAD與DeepSeek技術創(chuàng)新思路同歸一源。

　　記者注意到，這一自動駕駛路線通過強化學習加速智駕跨越式演進，并且將在今年4月的上海車展完成實車部署。

　　據(jù)了解，在端到端方面，特斯拉通過700萬臺高階智駕量產(chǎn)車和超10萬P算力，已經(jīng)跨越了這個門檻，同時也構筑了與國內車企具有數(shù)量級差距的基礎設施壁壘。

　　而這與人工智能的發(fā)展歷程非常相似。隨著互聯(lián)網(wǎng)上的數(shù)據(jù)紅利被“榨干”，大模型性能的提升只能依靠進一步擴大算力規(guī)模和增加模型參數(shù)。人工智能技術的發(fā)展遇到了瓶頸，一定程度上變成了算力的比拼，一部分人認為，尺度定律（Scaling laws）失效了。

　　在此背景下，如何突破瓶頸顯得尤為重要。多階段的強化學習訓練方法成為突破瓶頸的方法之一。據(jù)介紹，商湯絕影這一多階段強化學習的端到端自動駕駛技術路線，具體分為三個階段：首先是依靠冷啟動數(shù)據(jù)通過模仿學習進行云端的端到端自動駕駛大模型訓練；其次基于強化學習，讓云端的端到端大模型與世界模型協(xié)同交互，持續(xù)提升端到端模型的性能；最后云端大模型通過高效蒸餾的方式，實現(xiàn)高性能端到端自動駕駛小模型的車端部署。

　　從性能上限來看，純強化學習訓練讓端到端智駕模型有望通過在提升性能的同時，充分探索多元場景和駕駛風格。未來，端到端智駕體驗的上限不再是“類人”，而是可以擁有超越人類的駕駛表現(xiàn)。

　　王曉剛表示，在這一過程中，端到端的模仿可以預測不同軌跡行為，世界模仿也可以模擬仿真出各種不同周邊環(huán)境的變化?！胺抡嫫魍ㄟ^一個reward function（獎勵函數(shù)），根據(jù)不同軌跡、不同環(huán)境的變化打分，找到最佳的駕駛行為?！?/p>

　　“在強化學習范式下，通過小樣本、多階段地學習，去降低數(shù)據(jù)門檻?；趶娀瘜W習長的思維鏈，生成軌跡的序列、環(huán)境變化的序列類似長的思維鏈，充分探索多元場景里面不同的駕駛風格。背后關鍵的要素就是要有一個很強大的世界模型支撐，能夠預測和模擬動態(tài)的駕駛環(huán)境，去支持在線的閉環(huán)訓練?！蓖鯐詣傔M一步表示。

　　基于此，商湯絕影發(fā)布了R-UniAD。據(jù)了解，該款端到端自動駕駛技術路線，以絕影量產(chǎn)智駕方案和“開悟”世界模型為核心，實車采集的真實數(shù)據(jù)和云端生成的仿真數(shù)據(jù)在“車云一體”的新范式下進行閉環(huán)流轉，使得端到端智駕系統(tǒng)的訓練更加全面、高效，大幅縮短了研發(fā)周期，降低了成本。

　　商湯絕影方面表示，上述量產(chǎn)端到端智駕方案預計將在年底交付，“開悟”世界模型也正式用于數(shù)據(jù)生產(chǎn)，已經(jīng)搶占新技術路線的先機。

　　“依托商湯大裝置算力基礎設施，商湯絕影能夠建立強大的云端自動駕駛大模型，蒸餾得到可以部署在更小算力芯片的端到端模型，助力車企合作伙伴基于更小數(shù)量級的數(shù)據(jù)，超越特斯拉依靠百萬臺量產(chǎn)車數(shù)據(jù)回流的自動駕駛方案?！鄙虦^影方面表示，在今年4月的上海車展，將會展示“與世界模型協(xié)同交互的端到端自動駕駛方案”的實車部署。