商汤绝影发布全新端到端自动驾驶技术路线R-UniAD

凤凰网汽车讯 2月22日，在商汤大模型生产力论坛上，商汤绝影CEO，商汤科技联合创始人、首席科学家王晓刚发布了行业首个“与世界模型协同交互的端到端自动驾驶路线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。从模仿学习向强化学习升级演进，从而实现端到端自动驾驶超越人类的驾驶表现。

“算法、算力和数据三者共同推动着人工智能技术的螺旋式上升和进步，随着强化学习等算法引入到大模型训练的思路得到验证，新的尺度定律正在开启，数据价值被进一步深入挖掘，模型能力天花板被打开。”王晓刚表示，强化学习的技术创新也同样可以迁移到端到端自动驾驶领域。

基于UniAD端到端自动驾驶方案和“开悟”世界模型，商汤绝影R-UniAD将通过强化学习加速智驾跨越式演进。

今年春节期间，DeepSeek-R1基于纯强化学习的关键创新引发了广泛的关注。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，甚至可能具备超越人类的思维能力。

王晓刚表示，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之中。

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，让车企合作伙伴有望换道超车特斯拉FSD。

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。

商汤绝影的R-UniAD是“多阶段强化学习”端到端自动驾驶技术路线，具体分为三个阶段。

首先，是依靠冷启动数据通过模仿学习进行云端的端到端自动驾驶大模型训练；然后，基于强化学习，让云端的端到端大模型与世界模型协同交互，持续提升端到端模型的性能；最后，云端大模型通过高效蒸馏的方式，实现高性能端到端自动驾驶小模型的车端部署。

因为端到端智驾模型是一个多模态具身模型，最关键的是要与依靠世界模型生成的仿真环境进行在线交互，并获得闭环奖励反馈，从而实现强化学习，使得端到端模型的训练能够充分探索各种可能性。也就是说，能够生成高保真的场景数据、保证长时推演一致性、并支持在线交互的强大世界模型是R-UniAD的核心基石。

2024年11月，在“绝影实力AI DAY”上，商汤绝影全新升级并发布行业标杆级别的世界模型——“开悟”世界模型。基于“开悟”，1个GPU产生的仿真数据相当于500台量产车的数据采集效果。

以绝影量产智驾方案和“开悟”世界模型为核心，实车采集的真实数据和云端生成的仿真数据在“车云一体”的新范式下进行闭环流转，使得端到端智驾系统的训练更加全面、高效，大幅缩短了研发周期，降低了成本。

商汤绝影的量产端到端智驾方案预计将在年底交付，“开悟”世界模型也正式用于数据生产。而在4月的上海车展，商汤绝影将会展示“与世界模型协同交互的端到端自动驾驶方案”的实车部署。