在全球自動(dòng)駕駛領(lǐng)域，一項(xiàng)公認(rèn)的技術(shù)挑戰(zhàn)是：如何從每日產(chǎn)生的海量、高度冗余的數(shù)據(jù)中，快速定位并提取出那些對(duì)提升系統(tǒng)安全與體驗(yàn)至關(guān)重要的特殊駕駛場(chǎng)景。這些關(guān)鍵場(chǎng)景的有效利用，是改進(jìn)路徑規(guī)劃和決策算法的核心。

但這個(gè)難點(diǎn)正在被中國(guó)公司攻破。

剛剛結(jié)束的CVPR 2025自動(dòng)駕駛研討會(huì)，Argoverse2 2025場(chǎng)景挖掘挑戰(zhàn)賽結(jié)果揭曉，這是由全球頂級(jí)機(jī)構(gòu)argoverse舉辦的是一個(gè)面向自動(dòng)駕駛領(lǐng)域的時(shí)空事件檢測(cè)國(guó)際競(jìng)賽。比賽主辦方通過(guò) EvalAI 平臺(tái)發(fā)布任務(wù)，吸引全球團(tuán)隊(duì)用 AI 技術(shù)解決“如何在復(fù)雜場(chǎng)景中自動(dòng)識(shí)別并精準(zhǔn)定位特定事件”的難題。全球一共有8家頂級(jí)機(jī)構(gòu)參與，中國(guó)極氪智駕團(tuán)隊(duì)拔得頭籌。

我們按照邏輯線來(lái)拆解一下這個(gè)事情到底難在哪，為什么值得重點(diǎn)說(shuō)一下。

首先來(lái)看看挑戰(zhàn)賽的核心任務(wù)：如何從海量數(shù)據(jù)里精準(zhǔn)挖掘出那些最關(guān)鍵的 corner case 場(chǎng)景，定位相關(guān)物體，預(yù)測(cè)其軌跡。

做這個(gè)事情的目的有兩點(diǎn)：

1、提升數(shù)據(jù)的利用效率，把數(shù)據(jù)中有價(jià)值的提煉出來(lái)喂給大模型。

2、根據(jù)這些數(shù)據(jù)特征反向用來(lái)優(yōu)化世界模型的仿真算法，做更好的 corner case 強(qiáng)化學(xué)習(xí)。

因?yàn)橄到y(tǒng)無(wú)時(shí)無(wú)刻不在處理和過(guò)濾海量信息，如果“大腦”反應(yīng)不過(guò)來(lái)很容易漏掉很多關(guān)鍵信息；而且現(xiàn)在智駕系統(tǒng)在大部分都采用強(qiáng)化學(xué)習(xí)（持續(xù)輸入同類(lèi)型高價(jià)值數(shù)據(jù)讓系統(tǒng)訓(xùn)練）的方式提升系統(tǒng)的穩(wěn)定性和能力上限，數(shù)據(jù)來(lái)源是一個(gè)巨大的挑戰(zhàn)，這個(gè)事情就解決了數(shù)據(jù)來(lái)源問(wèn)題。

顯然，在自動(dòng)駕駛里，這項(xiàng)能力非常有必要。但要擁有這項(xiàng)技能，挑戰(zhàn)非常大。來(lái)看看極氪智駕團(tuán)隊(duì)的解題思路。

1、全局情景洞察，以及全局自反思(In-context Learning， reflective capabilities)。將成千上萬(wàn)個(gè)不同的場(chǎng)景描述，打包成一個(gè)巨大的“信息包”，一次性展示給大語(yǔ)言模型。大語(yǔ)言模型在龐大的信息上下文中，能自主發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而實(shí)現(xiàn)“舉一反三”。大模型遇到一個(gè)新問(wèn)題時(shí)，能立刻從“記憶”中調(diào)取相似的案例進(jìn)行類(lèi)比，大大提升了理解的深度和準(zhǔn)確性。從長(zhǎng)時(shí)記憶里面提取有效信息從而增強(qiáng)模型的準(zhǔn)確性得益于極氪智駕團(tuán)隊(duì)目前對(duì)數(shù)字先覺(jué)網(wǎng)絡(luò)的應(yīng)用。

這個(gè)“記憶觸發(fā)機(jī)制”有點(diǎn)像人體內(nèi)的疫苗抗體，第一次記憶病毒，后面再碰到的時(shí)候第一時(shí)間采取措施。有一點(diǎn)需要特別強(qiáng)調(diào)，它的泛化能力非常，并不只是記憶完全一模一樣的場(chǎng)景，類(lèi)似的場(chǎng)景也能舉一反三。比如在同一個(gè)十字路口，發(fā)生的極端場(chǎng)景，如果把雨天改成霧天，雪天，或者把車(chē)輛白色變成紅色，甚至交通參與者變化等等，它都可以自動(dòng)調(diào)出記憶對(duì)比。這就是強(qiáng)大的泛化能力。

2、多智能體協(xié)作與自校正。“大語(yǔ)言模型程序員”與“大語(yǔ)言模型審查員”相互協(xié)作，一個(gè)“生成器”智能體負(fù)責(zé)快速將人類(lèi)語(yǔ)言轉(zhuǎn)換成代碼，而另一個(gè)“精煉器”智能體則扮演著嚴(yán)苛的“代碼評(píng)審專(zhuān)家”，負(fù)責(zé)檢查和優(yōu)化。這種自我校正機(jī)制，讓整套 系統(tǒng)擁有了交叉校驗(yàn)協(xié)作的能力，兩個(gè)智能體具有不同能力，一起實(shí)現(xiàn)更好的效果。

這個(gè)其實(shí)比較好理解了，系統(tǒng)里面有很多分支，自己識(shí)別場(chǎng)景，然后“編寫(xiě)代碼”，然后在自糾代碼質(zhì)量，有問(wèn)題改正，沒(méi)問(wèn)題就執(zhí)行。

回到實(shí)際的自動(dòng)駕駛場(chǎng)景，在工程部署上，它的意義重大：

一、首先是為公司相關(guān)領(lǐng)域的時(shí)空事件分析提供了可落地的技術(shù)參考。

1、賦能下一代智駕架構(gòu)的底層驗(yàn)證。

突破性驗(yàn)證：極氪首創(chuàng)的雙大模型代理+元代碼生成框架，成功解決了"復(fù)雜時(shí)空事件精準(zhǔn)定位"這一端到端智駕的核心難點(diǎn)，為L(zhǎng)3級(jí)的場(chǎng)景理解能力提供了可復(fù)用的技術(shù)范式。

大家都知道，在復(fù)雜時(shí)空里定位其實(shí)是一件非常難的事情。比如在一個(gè)超大型的雙向8車(chē)道十字路口，行人，自行車(chē)，電動(dòng)車(chē)，4輪汽車(chē)，大小貨車(chē)各種交通參與者混行時(shí)，每一個(gè)交通參與者都在兩兩交互，而且隨時(shí)都可能與自車(chē)產(chǎn)生交互，如何精準(zhǔn)識(shí)別并且定位這些交通參與者背后決定了自車(chē)智駕的安全性和舒適性。極氪通過(guò)這樣雙管齊下的方式解決了這個(gè)問(wèn)題。

架構(gòu)遷移價(jià)值：方案已成功應(yīng)用于9X的數(shù)據(jù)挖掘體系，證明其可高效提取海量行車(chē)數(shù)據(jù)中的高價(jià)值corner case（如"車(chē)輛禮讓行人""路口急剎"等復(fù)雜事件），構(gòu)建世界模型的極端場(chǎng)景數(shù)據(jù)庫(kù)，大幅加速端到端智駕模型的迭代進(jìn)化。

這件事極氪已經(jīng)計(jì)劃部署在即將上市的9X車(chē)型上，并非停留在實(shí)驗(yàn)室的理論階段。并且搭建了關(guān)鍵事件場(chǎng)景庫(kù)。

安全性提升：安全性的關(guān)鍵在雙重過(guò)濾機(jī)制。傳統(tǒng)單模型錯(cuò)誤往往呈現(xiàn)連續(xù)性特征，而多智能體因訓(xùn)練差異形成交叉驗(yàn)證，就像冗余芯片設(shè)計(jì)。實(shí)際測(cè)試中，這種架構(gòu)在極端工況下錯(cuò)誤率下降，因?yàn)閮蓚€(gè)模型同時(shí)錯(cuò)誤的概率指數(shù)級(jí)降低，全自動(dòng)挖掘高危場(chǎng)景，讓L3系統(tǒng)具備持續(xù)拓域能力，能力覆蓋范圍大幅度提升。

其實(shí)就是安全冗余的自檢工序更復(fù)雜了。這個(gè)有點(diǎn)像電路的串并聯(lián)，傳統(tǒng)的單模型機(jī)制串聯(lián)，一個(gè)地方出錯(cuò)，電流就斷了，而極氪的思路更像是并聯(lián)，“客廳”的線路有問(wèn)題不影響“臥室”的線路繼續(xù)工作。甚至在這個(gè)基礎(chǔ)上更進(jìn)一步，二者之間相互“糾錯(cuò)”。

2、十倍級(jí)效率躍升：重構(gòu)數(shù)據(jù)價(jià)值鏈條。

數(shù)據(jù)反哺閉環(huán)：構(gòu)建"風(fēng)險(xiǎn)場(chǎng)景挖掘→仿真強(qiáng)化學(xué)習(xí)→模型優(yōu)化"的自動(dòng)化鏈路，讓每公里路測(cè)數(shù)據(jù)產(chǎn)生十倍價(jià)值，解決L3長(zhǎng)尾場(chǎng)景數(shù)據(jù)匱乏痛點(diǎn)，直接推動(dòng)智駕功能實(shí)現(xiàn)從"跟隨"到"領(lǐng)跑" 的質(zhì)變。

自動(dòng)駕駛拼到最后其實(shí)就是數(shù)據(jù)能力，包括數(shù)據(jù)的收集，回傳，清洗，存儲(chǔ)，再利用等一系列工序。這個(gè)場(chǎng)景識(shí)別定位技術(shù)的突破幫助極氪率先在L3搭建了這樣一套數(shù)據(jù)自循環(huán)機(jī)制。

泛化能力突破：通過(guò)全局記憶機(jī)制讓大語(yǔ)言模型批量處理場(chǎng)景描述，實(shí)現(xiàn)跨場(chǎng)景的推理泛化，即使在"黑夜行人突然橫穿+車(chē)輛避讓"等長(zhǎng)尾組合事件中仍保持穩(wěn)定表現(xiàn)。

其實(shí)就是并發(fā)能力，在復(fù)雜場(chǎng)景下可以同時(shí)處理多個(gè)任務(wù)，不至于“手忙腳亂”。

不管對(duì)企業(yè)自己還是整個(gè)智駕行業(yè)，極氪的這套場(chǎng)景識(shí)別定位能力都是行業(yè)一次不小的突破，并且獲得了國(guó)際頂尖機(jī)構(gòu)CVPR的認(rèn)可。隨著在相關(guān)車(chē)型的工程化部署能力得到驗(yàn)證，更高級(jí)別的L3自動(dòng)駕駛技術(shù)障礙正在被不斷清除。