2月22日，商汤绝影CEO、商汤科技联合创始人、首席科学家王晓刚在全球开发者先锋大会上发布了“与世界模型协同交互的端到端自动驾驶技术路线R-UniAD”（简称“R-UniAD”）。

　　据悉，R-UniAD通过构建世界模型生成在线交互的仿真环境，以此进行端到端模型的强化学习训练，从而实现端到端自动驾驶超越人类的驾驶表现。

　　王晓刚表示，端到端的自动驾驶本质是通过海量的高质量人类驾驶数据，来实现最佳的“模仿”驾驶效果。然而，基于模仿学习的技术范式可以做到接近人类但难以突破人类能力上限。同时，受限于高质量场景数据的稀缺性和驾驶数据质量的参差不齐，端到端智驾方案要达到人类驾驶能力的天花板并不容易，动辄千万Clips的高质量数据回流形成了规模门槛。

　　不过，今年春节期间，DeepSeek-R1基于纯强化学习的创新引发了广泛关注。通过少量高质量数据的冷启动，模型进行多阶段的强化学习训练，有效降低大模型训练的数据规模门槛，同时，也让尺度定律得以延续，为模型变得更大更强铺平了道路。更重要的是，强化学习能够让大模型自行涌现出长思维链能力，显著提升推理效果。

　　王晓刚认为，基于强化学习的大模型技术路线可以迁移到端到端自动驾驶算法的训练与研发中。

　　从数据规模来看，多阶段强化学习的训练方法能大幅降低端到端自动驾驶数据规模门槛。R-UniAD就是通过高质量数据进行冷启动，用模仿学习的方式训练出一个端到端基础模型，再通过强化学习方法进行训练。据测算，小样本多阶段学习的技术路线能让端到端自动驾驶的数据需求降低一个数量级。

　　从性能上限来看，纯强化学习训练让端到端智驾模型有望通过在提升性能的同时，充分探索多元场景和驾驶风格。未来，端到端智驾体验的上限不再是“类人”，而是可以拥有超越人类的驾驶表现。

　　值得注意的是，在今年4月的上海车展，商汤绝影将展示“与世界模型协同交互的端到端自动驾驶方案”的实车部署。

（文章来源：上海证券报·中国证券网）