在2月22日的商湯大模型生產(chǎn)力論壇上，商湯絕影CEO，商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家王曉剛重磅發(fā)布了行業(yè)首個(gè)「與世界模型協(xié)同交互的端到端自動(dòng)駕駛路線R-UniAD」，通過構(gòu)建世界模型生成在線交互的仿真環(huán)境，以此進(jìn)行端到端模型的強(qiáng)化學(xué)習(xí)訓(xùn)練。這與春節(jié)開始持續(xù)受到市場(chǎng)關(guān)注的DeepSeek技術(shù)創(chuàng)新思路同歸一源：從模仿學(xué)習(xí)向強(qiáng)化學(xué)習(xí)升級(jí)演進(jìn)，從而實(shí)現(xiàn)端到端自動(dòng)駕駛超越人類的駕駛表現(xiàn)。

「算法、算力和數(shù)據(jù)三者共同推動(dòng)著人工智能技術(shù)的螺旋式上升和進(jìn)步，隨著強(qiáng)化學(xué)習(xí)等算法引入到大模型訓(xùn)練的思路得到驗(yàn)證，新的尺度定律正在開啟，數(shù)據(jù)價(jià)值被進(jìn)一步深入挖掘，模型能力天花板被打開?！雇鯐詣偙硎?，強(qiáng)化學(xué)習(xí)的技術(shù)創(chuàng)新也同樣可以遷移到端到端自動(dòng)駕駛領(lǐng)域。

基于UniAD端到端自動(dòng)駕駛方案和「開悟」世界模型，商湯絕影R-UniAD將通過強(qiáng)化學(xué)習(xí)加速智駕跨越式演進(jìn)。在4月即將到來的上海車展上，商湯絕影將重磅發(fā)R-UniAD端到端自動(dòng)駕駛方案，并完成實(shí)車部署，持續(xù)引領(lǐng)端到端智駕技術(shù)的潮流。

強(qiáng)化學(xué)習(xí)，全新端到端自動(dòng)駕駛技術(shù)路線的關(guān)鍵所在

2022年底，商湯絕影提出了行業(yè)首個(gè)感知決策一體化自動(dòng)駕駛通用模型UniAD，并在次年榮獲2023年國(guó)際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議(CVPR)最佳論文，同年8月，特斯拉CEO馬斯克直播試駕FSD V12，即端到端自動(dòng)駕駛技術(shù)，越來越多的車企和科技公司開始跟進(jìn)端到端的技術(shù)路線。如今，數(shù)據(jù)驅(qū)動(dòng)的端到端自動(dòng)駕駛解決方案已成為行業(yè)共識(shí)。

端到端的自動(dòng)駕駛本質(zhì)是通過海量的高質(zhì)量人類駕駛數(shù)據(jù)，來實(shí)現(xiàn)最佳的「模仿」駕駛效果。然而，基于模仿學(xué)習(xí)的技術(shù)范式可以做到接近人類但難以突破人類能力上限。同時(shí)，受限于高質(zhì)量場(chǎng)景數(shù)據(jù)的稀缺性和駕駛數(shù)據(jù)質(zhì)量的參差不齊，端到端智駕方案要達(dá)到人類駕駛能力的天花板并不容易，動(dòng)輒千萬Clips的高質(zhì)量數(shù)據(jù)回流形成了規(guī)模門檻。

 
▲以模仿學(xué)習(xí)為主的端到端技術(shù)發(fā)展面臨的挑戰(zhàn)

特斯拉通過七百萬輛高階智駕量產(chǎn)車和超10萬P算力，已經(jīng)跨越了這個(gè)門檻，同時(shí)也構(gòu)筑了與國(guó)內(nèi)車企具有數(shù)量級(jí)差距的基礎(chǔ)設(shè)施壁壘。

商湯絕影認(rèn)為，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(jìn)一步擴(kuò)大算力規(guī)模和增加模型參數(shù)。人工智能技術(shù)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(rèn)為，尺度定律（Scaling laws）失效了。

今年春節(jié)期間，DeepSeek-R1基于純強(qiáng)化學(xué)習(xí)的關(guān)鍵創(chuàng)新引發(fā)了廣泛的關(guān)注。通過少量高質(zhì)量數(shù)據(jù)的冷啟動(dòng)，模型進(jìn)行多階段的強(qiáng)化學(xué)習(xí)訓(xùn)練，有效降低大模型訓(xùn)練的數(shù)據(jù)規(guī)模門檻，同時(shí)也讓尺度定律得以延續(xù)，為模型變得更大更強(qiáng)鋪平了道路。更重要的是，強(qiáng)化學(xué)習(xí)能夠讓大模型自行涌現(xiàn)出長(zhǎng)思維鏈能力，顯著提升推理效果，甚至可能具備超越人類的思維能力。

王曉剛表示，基于強(qiáng)化學(xué)習(xí)的大模型技術(shù)路線可以遷移到端到端自動(dòng)駕駛算法的訓(xùn)練與研發(fā)之中。

 
▲基于強(qiáng)化學(xué)習(xí)，商湯絕影提出「與世界模型協(xié)同交互的端到端技術(shù)路線」

從數(shù)據(jù)規(guī)模來看，多階段強(qiáng)化學(xué)習(xí)的訓(xùn)練方法能大幅降低端到端自動(dòng)駕駛數(shù)據(jù)規(guī)模門檻。R-UniAD就是通過高質(zhì)量數(shù)據(jù)進(jìn)行冷啟動(dòng)，用模仿學(xué)習(xí)的方式訓(xùn)練出一個(gè)端到端基礎(chǔ)模型，再通過強(qiáng)化學(xué)習(xí)方法進(jìn)行訓(xùn)練。據(jù)測(cè)算，小樣本多階段學(xué)習(xí)的技術(shù)路線能讓端到端自動(dòng)駕駛的數(shù)據(jù)需求降低一個(gè)數(shù)量級(jí)，讓車企合作伙伴有望換道超車特斯拉FSD。

從性能上限來看，純強(qiáng)化學(xué)習(xí)訓(xùn)練讓端到端智駕模型有望通過在提升性能的同時(shí)，充分探索多元場(chǎng)景和駕駛風(fēng)格。未來，端到端智駕體驗(yàn)的上限不再是「類人」，而是可以擁有超越人類的駕駛表現(xiàn)。

商湯絕影發(fā)布「與世界模型協(xié)同交互的端到端自動(dòng)駕駛技術(shù)路線R-UniAD」

作為最專注汽車行業(yè)的AI公司，商湯絕影一直在探索和落地以AI的方式解決智駕問題，也持續(xù)著引領(lǐng)端到端自動(dòng)駕駛的創(chuàng)新潮流。

在UniAD榮獲CVPR最佳論文之后，2024年北京車展，商湯絕影展示了UniAD的實(shí)車上路成果，量產(chǎn)端到端智駕方案則預(yù)計(jì)會(huì)在今年年底交付落地。2月22日，商湯絕影率先發(fā)布「與世界模型協(xié)同交互的端到端自動(dòng)駕駛技術(shù)路線R-UniAD」，成為行業(yè)首個(gè)將基于世界模型的強(qiáng)化學(xué)習(xí)引入端到端智駕的研發(fā)與訓(xùn)練的AI公司。

商湯絕影的R-UniAD是「多階段強(qiáng)化學(xué)習(xí)」端到端自動(dòng)駕駛技術(shù)路線，具體分為三個(gè)階段，首先是依靠冷啟動(dòng)數(shù)據(jù)通過模仿學(xué)習(xí)進(jìn)行云端的端到端自動(dòng)駕駛大模型訓(xùn)練；然后基于強(qiáng)化學(xué)習(xí)，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(shí)現(xiàn)高性能端到端自動(dòng)駕駛小模型的車端部署。

因?yàn)槎说蕉酥邱{模型是一個(gè)多模態(tài)具身模型，最關(guān)鍵的是要與依靠世界模型生成的仿真環(huán)境進(jìn)行在線交互，并獲得閉環(huán)獎(jiǎng)勵(lì)反饋，從而實(shí)現(xiàn)強(qiáng)化學(xué)習(xí)，使得端到端模型的訓(xùn)練能夠充分探索各種可能性。也就是說，能夠生成高保真的場(chǎng)景數(shù)據(jù)、保證長(zhǎng)時(shí)推演一致性、并支持在線交互的強(qiáng)大世界模型是R-UniAD的核心基石。

早在2024年11月「絕影實(shí)力AI DAY」上，王曉剛就表示：「智駕高端局的競(jìng)爭(zhēng)不止是車端模型的比拼，端到端的決戰(zhàn)，戰(zhàn)場(chǎng)在云端。」為此，商湯絕影全新升級(jí)并發(fā)布行業(yè)標(biāo)桿級(jí)別的世界模型——「開悟」世界模型。世界模型最基礎(chǔ)也是最核心的能力是生成高質(zhì)量視頻數(shù)據(jù)，基于「開悟」，1個(gè)GPU產(chǎn)生的仿真數(shù)據(jù)相當(dāng)于500臺(tái)量產(chǎn)車的數(shù)據(jù)采集效果。

以絕影量產(chǎn)智駕方案和「開悟」世界模型為核心，實(shí)車采集的真實(shí)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(jìn)行閉環(huán)流轉(zhuǎn)，使得端到端智駕系統(tǒng)的訓(xùn)練更加全面、高效，大幅縮短了研發(fā)周期，降低了成本。

如今，「開悟」世界模型的能力進(jìn)一步提升，將支持實(shí)現(xiàn)端到端算法與世界模型仿真環(huán)境實(shí)時(shí)交互。

在現(xiàn)場(chǎng)演示中，商湯絕影展示了「開悟」世界模型與主車閉環(huán)交互的方式。通過場(chǎng)景庫文件導(dǎo)入一個(gè)BEV視角下的初始主車和他車位置，世界模型自動(dòng)生成主車視角下11V（11個(gè)攝像頭）的傳感器仿真數(shù)據(jù)，端到端模型接收到這一數(shù)據(jù)后，生成自車下一時(shí)刻位置并進(jìn)行反饋，世界模型根據(jù)刷新的主車位置和預(yù)測(cè)的他車位置渲染新的11V傳感器仿真數(shù)據(jù)。

商湯絕影的量產(chǎn)端到端智駕方案預(yù)計(jì)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(shù)路線的先機(jī)。而在4月的上海車展，商湯絕影將會(huì)展示「與世界模型協(xié)同交互的端到端自動(dòng)駕駛方案」的實(shí)車部署。

讓我們拭目以待。