当前位置：

社区首页

汽车消费

汽车整车

AIGC文章详情

模仿学习未被淘汏，但角色已变：自动驾驶技术路线的演进与未来判断

源自138位全网作者

05-10 14:49

精选参考来源

这次真久等了，但是相信NWM2.0不会让大家白等的视频里主要是收集了之前NWM1.0版本的一些问题，针对性看看这次有没有得到解决这次体验算是比较充分，不只是在上海，我在东莞、江门、韶关也分别考验了它的泛化能力还有大家等了一年多的城区领航换电终于也上了，2000多座换电站马上就可以使用高速快速的智能驾享模式，比之前版本激进了很多，效率大增总之，经过世界模型+闭环强化学习的这个版本真挺好用的大家可以多用用看看是不是这样 #蔚来# #蔚来世界模型全新版本发布# #蔚来智驾# http://t.cn/AXqaQUg7

在端到端神经网络范式下，海量高价值数据成了真正的资产。在数据规模、质量和多样性上，特斯拉量产车规模接近千万辆，上天入地，昼夜穿梭，风雨无阻，甩开了Waymo不知多少里地。端到端自动驾驶系统不仅可以从海量数据中自行学习如何分解任务，建立内部表征，做出最优决策，学到更泛化、更柔性的解决方案。而且，基于AI原生思维的端到端自动驾驶算法遵循一项神奇的定律，也就是被OpenAI、谷歌这些巨头喊了三年的Scaling Law。在尺度定律的支配下，自动驾驶神经网络的性能将随着数据与算力的增长持续提升，实现驾驶智能的涌现。在数据驱动的端到端范式下，塑造自动驾驶大脑、淬炼驾驶智能的真正胜负手在于获取数据的能力与规模。对于L2和L4阵营而言，这场竞赛注定是不平等的。L4玩家依靠有限的小规模车队慢条斯理地收集着数据样本，而L2玩家却可以凭借数百万辆前装量产车，在真实世界的复杂洪流中，以近乎零边际的成本，昼夜不息地汲取数据洪流。无可比拟的量产车入口，让L2玩家掌握了一种更为直接、也更为根本的进化路径。根据特斯拉自动驾驶负责人阿肖克的分享，每一次数据采集器的成功触发、每一个特定长尾场景的主动捕捉、每一个人类驾驶员的必要接管、每一次状态空间的显著变化，都成了喂养自动驾驶大脑的关键经验。由此，一个强大的数据飞轮开始旋转，规模量产车产生优质数据，数据驱动模型进化，进化的模型带来更出色的用户体验，吸引更多车型为智能驾驶买单。于是，更多的车辆、更长的里程又源源不断地生产着更大规模的数据。就这么完美闭环了。#大v聊车#

全部
来源

内容由AI生成

1. 这次真久等了，但是相信NWM2.0不会让大家白等的视频里主要是收集了之前NWM1.0版本的一些问题，针对性看看这次有没有得到解决这次体验算是比较充分，不只是在上海，我在东莞、江门、韶关也分别考验了它的泛化能力还有大家等了一年多的城区领航换电终于也上了，2000多座换电站马上就可以使用高速快速的智能驾享模式，比之前版本激进了很多，效率大增总之，经过世界模型+闭环强化学习的这个版本真挺好用的大家可以多用用看看是不是这样 #蔚来# #蔚来世界模型全新版本发布# #蔚来智驾# http://t.cn/AXqaQUg7

2. 在端到端神经网络范式下，海量高价值数据成了真正的资产。在数据规模、质量和多样性上，特斯拉量产车规模接近千万辆，上天入地，昼夜穿梭，风雨无阻，甩开了Waymo不知多少里地。端到端自动驾驶系统不仅可以从海量数据中自行学习如何分解任务，建立内部表征，做出最优决策，学到更泛化、更柔性的解决方案。而且，基于AI原生思维的端到端自动驾驶算法遵循一项神奇的定律，也就是被OpenAI、谷歌这些巨头喊了三年的Scaling Law。在尺度定律的支配下，自动驾驶神经网络的性能将随着数据与算力的增长持续提升，实现驾驶智能的涌现。在数据驱动的端到端范式下，塑造自动驾驶大脑、淬炼驾驶智能的真正胜负手在于获取数据的能力与规模。对于L2和L4阵营而言，这场竞赛注定是不平等的。L4玩家依靠有限的小规模车队慢条斯理地收集着数据样本，而L2玩家却可以凭借数百万辆前装量产车，在真实世界的复杂洪流中，以近乎零边际的成本，昼夜不息地汲取数据洪流。无可比拟的量产车入口，让L2玩家掌握了一种更为直接、也更为根本的进化路径。根据特斯拉自动驾驶负责人阿肖克的分享，每一次数据采集器的成功触发、每一个特定长尾场景的主动捕捉、每一个人类驾驶员的必要接管、每一次状态空间的显著变化，都成了喂养自动驾驶大脑的关键经验。由此，一个强大的数据飞轮开始旋转，规模量产车产生优质数据，数据驱动模型进化，进化的模型带来更出色的用户体验，吸引更多车型为智能驾驶买单。于是，更多的车辆、更长的里程又源源不断地生产着更大规模的数据。就这么完美闭环了。#大v聊车#

3. 锐锐看好多人都在聊小米辅助驾驶，有夸迭代快的，也有纠结能不能追上头部的，今天纯个人感受，跟大家大唠唠！其实现在行业里都在玩辅助驾驶，小米跟上这波节奏太正常了。简单说这技术比模仿学习牛多了，模仿学习是跟着人类驾驶抄作业，还得靠海量优质视频。而强化学习是靠自己奖惩机制一点点优化，所以效率和覆盖范围要强很多。再说说小米的诚意，一期就砸了57.9亿，团队组建超1800人，这大投入和决心都摆在这了。而且迭代速度还是很快的，1000万Clips版本后进步非常直观。所以锐锐相信做好只是时间问题。但理性说，目前小米还没上VLA技术，这次更新大概率还是打磨细节，不会有很大质变。不过想想也是，辅助驾驶想弯道超车也不是容易事，只能一步一个台阶慢慢爬。总的来说小米辅助驾驶未来可期，现阶段稳扎稳打慢慢进步的做法还是很明智的。

4. #AI为小米汽车带来出行新体验#其实辅助驾驶的本质就是AI在开车，从研发到制造再到开车体验，小米全链路都有AI兜底。2025年的时候就已经在AI领域砸了70亿，建了三个研发中心，团队超1800人还有108位博士，这投入和实力，说是中国车企AI应用新典范也不过。这次锐锐确实被HAD增强版惊艳到了，开着非常安心。它就是靠强化学习和世界模型，在虚拟世界里自己琢磨怎么开车。其实这种强化学习比传统模仿学习强太多，模仿是抄人类开车动作，而强化是自己通过奖惩琢磨怎么开更好，学习效率和上限都高到飞起。小米造车虽然起步晚但冲得猛，一年时间辅助驾驶两次大升级。期待它继续发力，给我们整出更牛的出行体验！

5. Waymo的自动驾驶二十年：世界模型+端到端，然后呢？

6. 【现代汽车旗下的自动驾驶团队「42dot」端到端表现如何？#韩国版 FSD#】42dot 公开了实验性道路试驾画面，仅依靠车身搭载的摄像头感知周围环境并实现自动驾驶，完全不依赖高精地图（HD Map）。该系统搭载 400 TOPS 级别的 NPU（神经网络处理器），已在高速公路和城市道路上实现类NOA功能。42dot ,是现代汽车集团于 2022 年完全收购的韩国自动驾驶初创公司，被视为现代在 L4 级以上自动驾驶领域的核心技术力量。此次公开的亮点在于：纯视觉 + 端到端大模型 + 不依赖高精地图，这与特斯拉 FSD 的技术路线高度相似，被韩国媒体称为“韩国版 FSD”。车事勇评的微博视频

7. NeurIPS'25 | 端到端驾驶新基准！VR-Drive 新视图合成技术，路线完成率突破 92%，碾压 5 大 SOTA！

8. #何小鹏说机器人靠模仿人才能学会走路#在2025腾讯CoTech大会的演讲中，何小鹏从一个根本问题切入：机器人如何学会“走路”？他指出，世界上没有一本“教人走路”的书，人类在幼年自然习得了这项复杂技能。因此，机器人要获得真正自然、泛化的运动能力，核心路径是“模仿人”——即通过海量人类运动数据，让AI理解力、平衡与协调，最终涌现出更多的智能并应用到更广泛的场景。这解释了小鹏为什么研发人形机器人，因为只有“像”人，才能更好地“学习”人。随着物理AI时代智能体的发展，也指向一个生产关系改变的未来，何小鹏进一步预测：未来大型企业可能由“10万个人+1000万个智能体+10亿张卡”构成。整个社会的生产力将迎来指数级提升#何小鹏称物理AI时代生产力将指数级提升#

9. 标配智驾+高压平台新款小米SU7有哪些变化

10. 刚刚！Wayve和高通宣布达成自动驾驶技术合作

11. 回望2025，从辅助驾驶到自动驾驶的东风是怎么刮起来的？ #华为乾崑年度答卷 #华为乾崑 #华为乾崑智驾

12. 盘点一周AI大事(2月1日)｜AI乌托邦魔幻开局 Google上线世界模型Project Genie 阿里开源实时世界模型LingBot-World AI乌托邦社区Moltbook爆火 Chrome升级为AI浏览器月之暗面发布最强开源大模型Kimi K2.5 Gemini 3 Flash升级视觉能力腾讯发布最强开源图像模型HunyuanImage 3.0-Instruct 阿里开源Z image Base满血版 OpenMOSS发布最强开源视频模型MOVA MIniMax上线顶级音乐模型MiniMax Music 2.5 英伟达开源天气预测模型Earth-2 #AI新星计划 #前沿科技趋势发布月 #抖音知识年终大赏 #AI #AIGC

13. 智驾路线彻底分裂！华为死磕L3，小鹏直接跳过，谁对？

14. 2026年，自动驾驶的战国时代......

15. 端到端，VLA，世界模型都是什么意思？

16. -agent是模型能力扩展的一个里程碑，也是体现ai模型进入人类真实（虚拟/物理）世界的关键。没有agent能力，大模型将停留在（理论学习）阶段，就类似一个人不断学习，哪怕学习到博士，也只是知识积累，还没有转化为生产力。原来的agent是通过模型应用来实现，现在模型已经可以直接将agent数据集成到训练过程，增强了模型的通用性，其实难题还是不同agent环境的泛化和迁移并不是那么容易，因此最简单办法也只有不断增加不同agent环境的数据和针对不同环境的强化学习。

17. #广州车展潮这看##2025广州车展#魏牌新能源这次除了携全新高山家族、全新蓝山、新摩卡Hi4亮相了广州车展，长城汽车这次还带来了个好消息，长城VLA大模型要上车了。依靠着这套从视觉、语言再到动作的多模态端到端大模型，长城的辅助驾驶也会更加的智能和安全，升级后的新系统也会首搭魏牌的车型，车主们可以期待OTA了。#科技WEY美好生活#

18. 马斯克最新访谈：自动驾驶已经解决，能源问题不解决，芯片产能很快就过剩#马斯克 #特斯拉 #自动驾驶 #能源 #芯片

19. 一个算法工程师眼中的GTC'26：端到端时代，自动驾驶的主线到底是什么？

20. 如果说任少卿强调的是「范式为什么必须变」，佘晓丽更强调「变了以后，体验为什么好」。她总结蔚来新范式的三步：第一步仍是模仿学习：大量学习人类行为与分布；第二步在新的世界模型中做长时序推理；第三步高频次闭环强化学习：把反馈持续注入模型。来自于：电动星球#蔚来世界模型##微博新知##蔚来智驾#蔚来汽车

21. 业内首个RL+VLA汇总：强化学习如何推动 VLA 走向真实世界？

22. 特斯拉完全自动驾驶系统 FSD 零接管横穿美国，做到这点有多难？算是自动驾驶系统的里程碑吗？

23. 从避免撞别人到避免被别人撞，ADS 5要进化成这样了？【X.PIN】

24. 华科&小米联合提出MindDrive：首个证实在线强化学习有效性的VLA框架......

25. NVIDIA一篇面向端到端自动驾驶的数据选择工作，很有工程借鉴意义（CVPR'26）

26. #大众9X首发MomentaR7世界模型##大V聊车# 德系品质与领先的智能辅助驾驶强强联合！上汽大众ID.ERA 9X将首发搭载Momenta R7强化学习世界模型。以后开大众不是让AI模仿“人类怎么开”，而是让AI自己探索“车该怎么开”

27. 2025华为乾崑智驾答卷，智能化加速的关键样本年底了，回望2025，全球智能化的速度正在呈指数级的增长，信息时代到智能时代，到底还要多久？这条视频，我们就从2025年大事件中寻找一些蛛丝马迹，看能不能摸到答案 #华为乾崑智驾 #2025年度盘点 #ai #华为乾崑年度答卷 #华为乾崑

28. 不是所有智驾都先进！什么是当下最先进的辅助驾驶？2026没有辅助驾驶买车到手即后悔？

29. 看到过所谓的“辅助驾驶技术路线天梯图”，有一说一真没必要搞这些，很扯淡。。。强化学习其实大家都会做，但并不是用得越多就越好，业界主要也还是以模仿学习为主，强化学习是辅助。说句不好听，整天想讲什么技术路线优势，你方唱罢我方登场，但凡实车表现足够有说服力，需要扯这些吗？

30. #新华社采访何小鹏##L4级自动驾驶要来了吗# 新华社发布报道《小鹏第二代VLA率先落地，给出全球完全自动驾驶元年的中国答案》。何小鹏转发并表示，2026年将是自动驾驶研发的分水岭时刻，小鹏以第二代VLA底层重构技术范式，直奔L4级自动驾驶。

31. Waymo 终于出了一篇博客完整阐述其 AI 应用，作为沉淀了丰富规则的老牌、大佬级 Robotaxi 玩家，Waymo 系统的 AI 化也很有趣，符合预期。Waymo 对比同期的大部分 Robotaxi 玩家，属于在 AI 上走得非常快的，对比特斯拉 FSD，是一个保守派。Waymo 基于自己的基础模型 Waymo Foundation Model 开发了部署在车上的自动驾驶模型 Waymo Driver、让 Waymo Driver 跑在里面以进行训练的闭环的、逼真的仿真模型 Simulator，以及一个苛刻的评估模型 Critic。Waymo Foundation Model 是一个世界模型，但不是纯粹的端到端，当然也不会是过去的模块化系统。简单理解，这是一个分段式端到端，试图融合吸收端到端和模块化的优势。这个模型在训练过程中支持完整的端到端信号反向传播，说明模型内的模块和模块之间是通过向量传播的，可以全局训练优化。但 Waymo 要求模型输出对象、语义属性、道路属性等结构化信息，这是为什么？- 当 Driver 模型开错了，可以通过这些结构化信息准确判断模型错在哪了。方便安全验证。-仿真模型 Simulator 在生成仿真环境信息的时候，可以高效、符合物理规律且大规模的闭环仿真。- 评估模型 Critic 和强化学习通过这些结构化信息，可以设计一个清晰的奖励信号，让模型学习目标非常明确，性能更快的收敛。Waymo Foundation Model 的输入有系统一和系统二两个部分，系统一对应快思考，输入多传感器融合的信息，系统二是一个 VLM 模型，Waymo 用了 Gemini 模型训练这个 VLM 模型，以理解现实世界中罕见、新鲜或包含复杂语义信息的场景。系统一和系统二的输出都会给到下游，下游的世界模型再输出预测、高精地图、本车轨迹等信息。最后，Waymo 也会用大模型蒸馏小模型，但这里的细节在于，Waymo 连云端的仿真模型 Simulator，也是蒸馏而来的，可见基础模型的参数量规模应该是非常庞大的。另外，由于传感器路线原因，Waymo 的仿真模型 Simulator 还可以生成非常逼真的 LiDAR 点云。最后，Waymo 的一句话非常微妙：庞大的全自动驾驶（指主驾无人）经验是无可替代的。任何仿真、手动驾驶数据采集或测试员操作都无法复制 Waymo Driver 在全自动驾驶时遇到的各种状况和反应。全自动驾驶经验是否如此的不可替代？我觉得也未必。Waymo 这句话是一次性扫射了特斯拉、所有高阶 ADAS 玩家及所有 Robotaxi 玩家，因为在全自动驾驶里程这个指标上，目前没有人比他们更高。

32. 自变量对下一代具身智能基础模型定了三个目标：一，不只是模仿人类动作，要真正感知和理解世界；二，能举一反三，不需要每个动作都人来教，因为现实里不存在万能的老师；三，能在真实世界里生存，遇到困难不崩，能坦然面对失败重新学习。Wall-B 模型和现有 VLA moving架构的区别？VLA 就像 M1 之前的 Mac，CPU、GPU、NPU 各干各的，数据搬一次损耗一次，视觉模块学到的丰富信息传到动作模块只剩一个模糊摘要。而WALL-B是全球首个「世界统一模型架构」的具身智能基础模型。#自变量421发布会##一个家庭成员的诞生#

33. #理想高管回应王兴兴质疑#说句实话这两年智能驾驶技术路线发展太快各种技术路线层出不穷NPN先验信息仿佛是上个时代的东西消费者懵了：到底什么技术最牛逼？聊聊我自己的看法自动驾驶一定是“超越老司机”时时刻刻保持谨慎时时刻刻想着最优解而不是“和老司机一样”超越人类才是自动驾驶要做的事情这也是我看好VLA的地方

34. L3不是终点，而是走向L4、L5完全自动驾驶的必经阶段。这一次，看懂了华为乾崑的责任，和克制 #华为乾崑 #L3 #辅助驾驶

35. 某高管：华为不是我们的对标对象，我们认可的就是特斯拉，特斯拉是当之无愧的智驾领头羊！

36. 强化学习，正在决定智能驾驶的上限

37. BigBite解析，Tesla FSD就是一个端到端大模型

38. 从战略视角看，李想的这次“AI全员会”逻辑是通的：把研发划分为基座模型、软件本体、硬件本体，然后明确“车”和“机器人”都只是硬件载体。这其实也是马斯克在做的事——当端到端模型足够强大，它确实可以赋能万物，车只是长了轮子的机器人。特别是那个判断：2026是上车最后窗口，2028落地L4，全球只剩3家基座模型公司。这种压迫感和终局思维，这很“李想”。#理想汽车#

39. #特斯拉FSDV14.3即将发布# 马斯克表示FSD V14.3目前已进入内部测试阶段，预计几周后面向用户推送。马斯克说FSD V14.3是特斯拉自动驾驶体系的“最后一块重要拼图”，核心升级在于引入闭环强化学习框架，显著提升车辆在复杂路况下的自主决策能力。核心升级在于为FSD的决策系统加入逻辑推理能力，有望大幅优化多项功能，尤其是当前大量车主诟病的导航问题。据特斯拉投资者披露，V14.3的目标是将驾驶安全性提升至人类驾驶员的2-3倍。很多人都对14.3寄予厚望啊，FSD的表现确实不错，但在国内有些水土不服。而且高昂的价格让绝大部分特斯拉车主望而退步，毕竟即便是华为的辅助驾驶也仅仅它的几分之一。大家怎么看待特斯拉的FSD呢？如果你买了特斯拉会选择使用吗？ #大V聊车#

40. 鸿蒙智行L3路透刷到了嘛朋友们！最近各家L3自动驾驶都卷到关键攻坚期了，从视频里可以看出来，鸿蒙智行正在稳步推进，真的期待可以早点体验下～#鸿蒙智行##问界M9##尊界S800##l3级自动驾驶# http://t.cn/AX4MqGKm http://t.cn/AX4Mfq9D

41. #何小鹏说机器人靠模仿人才能学会走路# 不断跳出语言桎梏！#2025腾讯ConTech大会# 上何小鹏强调，语言框住大模型，物理模型重感知触觉！机器人习得行走能力，不能依赖纯数据，通过模仿人类多模态体验，才能真正掌握技能，未来的机器人将通过不断的学习模仿更加智能化！#智变之时# 苏汶涛的微博视频

42. 从去年开始，多个智驾玩家开始搞出了真正的一段式端到端，上车一开便知。这表明大家陆陆续续找到了把一段式端到端量产的工程方法。但另一方面，许多品牌的一段式端到端体验最好的版本就是邀请媒体试驾阶段的那个版本，之后为了全量推送前保下限、保安全性，整个风格越来越保守、难用...这表明这几家尚未找到「驯服」一段式端到端的方法，我的理解是端到端与过去加规则的开发方法是如此的不同，选出对的数据集解放模型的上限，约束模型的下限，避免按下葫芦浮起瓢也并非易事。这可能还需要一些时间。

43. 在算法层面,地平线也取得了对行业具有广泛借鉴意义的诸多成果。2023年，当国内头部玩家还停留在分模块时代时，地平线就率先公开了国内首个将感知、预测、规划模块整合到一个统一的深度学习神经网络中的端到端自动驾驶大模型UniAD，在感知任务中达到SOTA水平，并在预测和规划中远超其他模型。到了以强化学习为核心的端到端2.0时代，地平线又创新性地将模仿学习与强化学习相结合，既能学习人类专家司机的拟人化行为，又能通过自我的博弈优化应对复杂场景。以「真一段式」端到端实现快思考，以强化学习实现慢思考，通过快慢系统的结合，地平线HSD引领着城区辅助驾驶进入了普及时代。#大v聊车#

44. 苏箐在谈到自动驾驶的端到端架构颠覆了过去十几年（从 2009 GoogleX 自动驾驶实验室成立 - 2023 特斯拉 FSD v12 出来前）的模块化架构，预测未来 3 年的行业技术趋势，是这么说的：「我个人判断，很大的概率是未来三年是在现有的系统上做极致的优化，而不是一种理论内核的重构，所以大家别太嗨，又进入苦日子的阶段了。」我在下面听的时候就在想，未来 3 年，一个可在全球任意国家任意场景运行的 L5 自动驾驶系统还缺什么？还缺「持续（在线）学习」、「全局记忆」。对于自动驾驶来说，如果一个模型可以持续学习，拥有全局记忆，意味着这个模型不依赖 OTA 就可以迭代，可以自主处理从未见过的场景并从中学习，进一步自我提升。这个模型可以记得在探头交规执行严格的一线城市比如上海，开车要更加注重合规，在探头少、弱路权强博弈的三线城市，开车要更加注重效率。从今天最顶尖的端到端系统特斯拉 FSD v14.2，到一个可以在线学习、全局记忆的系统，是苏箐说的「在现有的系统上做极致的优化」吗？我觉得不是，我觉得这还需要一些模型架构的根本创新，不完全是工程上优化的活儿。第二个问题是，「持续学习」、「全局记忆」有哪个顶尖的 AI Lab 搞出来了吗？答案是还没有。不过——Ilya 前些天播客里面对主持人的问题：我们怎么才能在模型中复制人类的学习效率？lIya 明显变得兴奋，说：「这是一个极好的问题，我对此也有很多想法。但遗憾的是，我们生活在一个并非所有机器学习思想都能被自由讨论的世界里，而这个问题恰恰属于其中之一。不过我认为，这种（学习）机制是可以实现的，毕竟人类的存在本身就是一种证明。」在同一个播客里，Ilya 对自己的 AI 公司 SSI 的评价是：「我们在取得进展，实际上我们在过去一年里取得了相当好的进展。」所以这个问题有点像是，押注 SSI 或其他的顶尖 AI 实验室会在未来 3 年取得重大突破，那么在随后的时间里，自动驾驶模型也会受益于此，继续有架构上的重大突破。当然，最后也要说一句，未来那个可以在线学习，拥有全局记忆的自动驾驶模型，很可能也是端到端的。从字面意义上来说，苏箐说的也没问题，很难想象还能出现什么架构能颠覆「端到端」这个最底层的范式了。

45. 复盘特斯拉FSD进化史：把端到端推向无人驾驶终局

46. #何小鹏9大场景美国对比特斯拉##何小鹏说全力以赴憋个大招#时隔一年半，何小鹏再赴美实测特斯拉FSD和Robotaxi，称FSDV14已接近L4的水平，还从FSD V14和第二代VLA上看到L2到L4的路径。回国后对比测试，第二代VLA在中国复杂路况下表现流畅感与安心感，以及类人的超强博弈能力。第二代VLA将于2026年第一季度推送，小鹏2026年将推出软硬件达到L4水平的车型，与特斯拉等企业将共同推动全球智能驾驶进程加速进入“准L4”新阶段。雄鹰_科技的微博视频

47. 英伟达GTC2026 智能汽车专场日程出来了，吴新宙开场，看了眼时间安排和主题，我关心的几场智驾内容是： ▷3月17日：理想汽车 14:00 - MindVLA-o1：下一代统一视觉-语言-动作自动驾驶大模型卓驭科技 15:00 - 基于多模态端到端世界模型的智驾体验 ▷3月18日：千里科技 11:00 - 智能融合：下一代端到端架构演进小米汽车 13:30 - 端到端用于自动驾驶的强化认知框架国内头部把GTC变成了技术路线PK的擂台，主题是：如何朝着L4迈进，我相信今年应该能见分晓。你们会关注哪家的技术分享？ #英伟达GTC#

48. #大众9X首发MomentaR7世界模型# 世界模型+强化学习双架构，首发上汽大众ID.ERA 9X，从技术架构差异看R6与R7还是有些不一样 • R6：一段式端到端+强化学习（RL），从模仿学习升级为自我试错迭代，感知-决策-控制一体化。 • R7：世界模型（World Model）+ 强化学习双引擎；AI不再只学“人怎么开”，而是理解驾驶底层逻辑、自主推演未来，决策更像老司机可以期待一下9X实际道路体验

49. 聚焦端到端的公司，越来越多了......

50. 华为ADS的小目标，新的800多线激光雷达，新的速度新的识别上限下限小鹏进化了，华为ADS也不会在原地等！等全量落地后，看车主们的实际智驾体验，这才是关键！#小鹏第二代vla发布# #鸿蒙智行技术焕新发布会# 刘智身的微博视频

51. 小米HAD增强版即将在21号的广州车展上发布，这次的重点是引入了“强化学习”与“世界模型”让辅助驾驶有较大提升的点。强化学习不同于之前辅助驾驶的模仿学习，之前的模仿学习更像是辅助驾驶在学习一个人如何开车，强化学习是通过世界模型内不断生成新场景用来学习，学习的范围以及成果都会得到显著提升。这次小米HAD增强版中加入强化学习，也是目前行业头部辅助驾驶的选择，小米这次的迭代速度非常迅速。总的来说，小米在辅助驾驶的投入一直很多，而且短短几年的发展也能跟上行业第一梯队的步伐，这是小米在辅助驾驶中大量投入达成的表现。

52. #小米HAD增强版发布# 广州车展现场，小米HAD增强版智能辅助驾驶系统正式亮相，此次升级融合强化学习+世界模型技术，告别传统视频模仿模式，让系统在虚拟场景中自主试错学习，变道更拟人、决策更聪明。数据说话，纵向舒适性提升57%、绕行成功率暴涨67%、路口通过率+23%，AES+低速AEB能力直逼行业头部。背后是小米57.9亿研发投入+1800人团队的硬实力，从SU7初代到2025增强版，一年多时间实现三级跳，妥妥的潜力股。不过辅助驾驶≠自动驾驶，安全驾驶仍需专注，但小米稳扎稳打的技术路线，足以让市场对后来者充满期待，你们觉得小米辅助驾驶能冲进第一梯队么？#XiaomiHAD增强版#

53. 小米今年在AI领域投入70亿元，建立了三大辅助驾驶研发中心，拥有超1800人的精英团队，其中博士就有108人，有钱、有人才想不出成果都难。这次发布的小米HAD增强版采用了"强化学习"技术。强化学习相比传统"模仿学习"有明显优势：强化学习通过奖惩机制不断优化，让系统能像人一样思考"为什么这样开好"，而不是简简单单的复制人类驾驶行为。这就让HAD增强版在复杂场景下的表现更出色，处理能力更强。相信在将来，小米的辅助驾驶体验还会越来越好~#AI为小米汽车带来出行新体验#

54. 小米HAD增强版被央视主持人点评为“人类老司机”！我看了一下测试内容；过弯丝滑、主动礼让，这部分能感受到明显进步！关注小米这几年在AI/智能辅助驾驶领域的投入会发现，他们是真的舍得下本；25年砸70亿，组建1800人精英团队，L3负责人王乃岩犀利点评——有人有钱有决心！其实辅助驾驶的本质就是AI，从模仿学习到强化学习的演进让车辆真正学会思考。虽然小米起步稍晚，但一年两次大版本更新也印证了小米的技术实力！ #AI为小米汽车带来出行新体验#

55. 英伟达搞自动驾驶，特斯拉完了？#英伟达 #CES2026 #特斯拉 #马斯克 #Alpamayo#自动驾驶

56. 黄仁勋最新访谈（3/3）：3-5年后，机器人会到处都是，中国的优势非常明显#黄仁勋 #英伟达 #Ai #机器人 #自动驾驶

57. 奔驰居然用S级豪华车做无人驾驶出租车，用的居然是中国AI#Momenta #梅赛德斯奔驰 #Robotaxi #F1赛场外的AI无人车突围战 #MomentaR6强化学习大模型

58. 自动驾驶中常提的模仿学习是什么？

59. 自动驾驶从模仿学习走向强化学习

60. 从“复刻”到“超越”

61. 特斯拉新推出的FSD V14

62. Risk-Aware World Model Predictive Control for Generalizable End-to-End Autonomous Driving

63. 奇瑞端到端亮剑 | 告别“撞车模仿秀”！PaIR-Drive端到端框架，让AI学会“超越”人类驾驶

64. 引入世界模型预测未来！博世提出ExploreVLA，打破端到端自动驾驶模仿学习瓶颈

65. MindDrive

66. 同济｜自动驾驶规划盘点

67. 强化学习会让自动驾驶模型学习更快吗？

68. 北交&地平线提出DIVER

69. 极市直播预告 | ICCV 2025

70. 用预测逆动力学模型重新思考模仿学习

71. 清华突破

72. Momenta的R7世界模型技术上有何特殊性？

73. 告别“端到端” 2026将成辅助驾驶“世界模型”年？

74. 为什么说传统自动驾驶已死？「端到端」如何用统一损失函数取代百万行规则代码

75. 从UniAD到EMMA

76. 扔掉规控代码！深度解析端到端自动驾驶

77. 从特斯拉自动驾驶看AI原生

78. AutoVLA 论文详解

79. 通过状态级轨迹拼接增强离线模仿学习 (IROS2025)

80. BEV+Transformer已死？下一代智驾架构的残酷真相

81. 自动驾驶规划盘点

82. VLA与世界模型

83. MINT: 模仿意图而非轨迹，突破模仿学习泛化瓶颈

84. 强化学习能为VLA的泛化带来什么？

85. AI破壁计划第122讲

86. 【模仿学习】#1 引论

87. 强化学习，正在决定智能驾驶的上限

88. WM-DAgger

89. 数据闭环到训练闭环

90. 模仿学习如何赋能灵巧操作？这有一份「2021-2025」全景技术图谱

91. 自动驾驶行业冷热分化:L2++高阶辅助加速普及,L4级无人驾驶面临多重争议

92. 智驾技术路线分化,你更看好哪一派?

93. 自动驾驶安全难题，被清华团队用一套“减法”破解了

94. 自动驾驶L3路径之争不能偏离安全正题

95. 自动驾驶路线之争:四大方案同台竞技,谁能领跑未来?

96. 模仿学习如何赋能灵巧操作?这有一份「2021-2025」全景技术图谱

97. 港科大×字节跳动Seed提出WMPO，在世界模型中进行VLA强化学习

98. 自动驾驶路线之争:四大方案同台竞技,谁能领跑未来?

99. 自动驾驶教父Thrun预言:纯视觉路线决胜2026,空中机器人将成新蓝海

100. 2026量产上车的AI大模型汇总，整理不易

101. Diffusion-Based Planning：

102. 自动驾驶/模仿学习的一些思考

103. 迈向自动驾驶的未来 -- Tesla ICCV2025技术分享逐帧解读

104. 清华突破：自动驾驶AI实现模仿与探索双重学习

105. 特斯拉FSD V14.2运行表现总结

106. 特斯拉的自动驾驶是整个系统的协同操作！

107. 翻译+笔记-Waymo 世界模型：自动驾驶仿真的新前沿

108. 【端到端入门】04完全端到端的一些主流方法

109. 从模仿专家到受控探索——ExploreVLA与端到端自动驾驶的下一步范式演进【AI前沿论文精讲】

110. NeurIPS 2025 | UCLA提出AutoVLA：双思维模式 + GRPO 强化微调，打造高性能自动驾驶 VLA 新范式

111. 如何训练好自动驾驶端到端模型？

112. 2025年智能驾驶行业专题：Robo_X的产业趋势、市场空间和产业链拆解（附下载）

113. 斯坦福 CS234 强化学习笔记——第 1 课强化学习介绍

114. DIVER：融合强化学习与扩散模型，突破自动驾驶“模仿学习”瓶颈 - 哔哩哔哩

115. 科研前沿⎪ICRA 2026 突破模仿学习依赖瓶颈！ActiveVLN：多轮强化学习与主动探索的决策核心

116. 强化学习应用在自动驾驶中的一些思考

117. 自动驾驶端到端革命：AI司机的“大脑进化”之路

118. 理想端到端自进化智能体系统CorrectAD

119. 不止是“跟车”，更像“模仿驾驶”：通用让自动驾驶学会“随行”

120. 动作连续时模仿学习的陷阱——难以指数衰减从而消失的累积误差：The Pitfalls of Imitation Learning when Actions are Continuous

121. 知识蒸馏还是行为克隆？揭开 AI 模型训练的真实差异

122. 端到端World Model大模型\

123. 生成式人工智能会让自动驾驶更灵活吗？

124. 《端到端自动驾驶：关键方法梳理与技术发展全景》

125. 端到端进入收敛期｜自动驾驶核心技术拆解：BEV、动静态感知、Query、AR、Diffusion等

126. 突破传统局限！新型AI能预判行人动作，自动驾驶从被动变主动

127. 端到端自动驾驶与世界模型｜SPP第168期

128. 《动手学强化学习——前沿篇》

129. 自动驾驶拐点来了！

130. 全网收藏！9周跑通4个“端到端”自动驾驶项目（BEV感知/Query/动静态融合）

131. 城市NOA研究报告重磅发布！｜《2025城市NOA汽车辅助驾驶研究报告》第三篇：城市NOA未来趋势展望

132. 特斯拉FSD v13：全自动驾驶的商业化转折点

133. 传统自动驾驶遇瓶颈？头部玩家为何纷纷押注“端到端”？

134. 如何以模仿学习实现高成功率与规模化落地

135. 传统自动驾驶凉凉？端到端自动驾驶已成为香饽饽

136. 强化学习（1）—— 从模仿学习说起

137. 比亚迪×英伟达强强联手：全栈智驾量产结盟，2026年无图领航走进千家万户

138. ▲基于Q-Learning强化学习的无人驾驶小车城市道路行驶控制系统matlab性能仿真

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！