哈嘍，大家好，今天小墨這篇評(píng)論，主要來分析復(fù)旦團(tuán)隊(duì)如何讓自動(dòng)駕駛AI學(xué)會(huì)像老司機(jī)一樣"以終為始"規(guī)劃路線。

自動(dòng)駕駛AI最近出現(xiàn)了一個(gè)挺顛覆的思路。復(fù)旦大學(xué)和引望智能聯(lián)合搞了個(gè)叫WAM-Diff的系統(tǒng)，它跟現(xiàn)在主流的自動(dòng)駕駛AI完全不一樣。

現(xiàn)有的AI開車都是"從左到右"一步步算，就像新手司機(jī)那樣，看到前面有車就剎車，看到綠燈就起步。但復(fù)旦這套系統(tǒng)反過來了，它先想好要去哪兒，然后倒推現(xiàn)在該怎么開。

這個(gè)思路聽起來有點(diǎn)反常識(shí)，但其實(shí)很符合老司機(jī)的習(xí)慣。你想啊，一個(gè)開了十幾年車的師傅，看到前方路口需要左轉(zhuǎn)進(jìn)匝道，他會(huì)提前幾百米就開始變道，而不是到了路口才手忙腳亂。

WAM-Diff在權(quán)威的NAVSIM測(cè)試榜單上拿了91.0分和89.7分的成績(jī)，比之前的DiffusionDrive提升了5.2分。

現(xiàn)在大部分自動(dòng)駕駛AI用的是自回歸模型，說白了就是按順序一個(gè)動(dòng)作接一個(gè)動(dòng)作地預(yù)測(cè)。這種方式有個(gè)天生的缺陷，它只能利用過去的信息，看不到未來會(huì)發(fā)生什么。就好比你開車只看后視鏡，不看前方，肯定開不好。

還有個(gè)更麻煩的事兒。這些AI是通過模仿人類司機(jī)的駕駛數(shù)據(jù)學(xué)出來的，但訓(xùn)練數(shù)據(jù)里既有激進(jìn)的司機(jī)，也有保守的司機(jī)。AI學(xué)完以后，往往變成了一個(gè)"平均司機(jī)"，既不敢大膽超車，也不夠謹(jǐn)慎避讓，遇到復(fù)雜路況就容易犯糊涂。

今年11月，《科技日?qǐng)?bào)》報(bào)道過一起自動(dòng)駕駛測(cè)試事故。一輛測(cè)試車在高速公路上遇到前車突然減速，系統(tǒng)判斷需要變道，但變道時(shí)機(jī)選得太晚，差點(diǎn)跟旁邊車道的車發(fā)生剮蹭。事后復(fù)盤發(fā)現(xiàn)，AI在做決策時(shí)只考慮了當(dāng)前1秒內(nèi)的情況，沒有提前規(guī)劃好3到5秒后的行駛軌跡。

WAM-Diff用了一個(gè)叫掩碼擴(kuò)散模型的技術(shù)。簡(jiǎn)單說，它不是從起點(diǎn)一步步推到終點(diǎn)，而是先把整條路線的所有可能都列出來，然后通過多輪迭代篩選出最優(yōu)方案。每一輪迭代都能同時(shí)看到過去和未來的信息，這樣規(guī)劃出來的路線就更連貫，也更安全。

團(tuán)隊(duì)測(cè)試了三種規(guī)劃順序，一種是從近到遠(yuǎn)（因果序），一種是從遠(yuǎn)到近（反因果序），還有一種是隨機(jī)順序。結(jié)果發(fā)現(xiàn)，反因果序的效果最好，也就是先確定遠(yuǎn)處要去哪兒，再倒推近處怎么走。這個(gè)發(fā)現(xiàn)跟人類駕駛員的思維方式完全吻合。

為了讓AI能應(yīng)對(duì)各種復(fù)雜場(chǎng)景，復(fù)旦團(tuán)隊(duì)還給它配了64個(gè)"專家"。這64個(gè)專家其實(shí)是64個(gè)小模型，每個(gè)專家擅長(zhǎng)處理不同的路況。

比如有的專家擅長(zhǎng)處理高速并線，有的專家擅長(zhǎng)應(yīng)對(duì)擁堵路段，有的專家擅長(zhǎng)處理雨天濕滑路面。系統(tǒng)會(huì)根據(jù)當(dāng)前情況自動(dòng)選擇最合適的專家來決策。

這種設(shè)計(jì)有點(diǎn)像駕校里不同的教練，有人教你過彎，有人教你倒車，有人教你應(yīng)急處理。WAM-Diff把這些"教練"都裝進(jìn)了一個(gè)系統(tǒng)里，需要哪個(gè)就調(diào)哪個(gè)。

光靠模仿人類司機(jī)還不夠，因?yàn)槿祟愸{駛數(shù)據(jù)里也有不少危險(xiǎn)操作。復(fù)旦團(tuán)隊(duì)專門設(shè)計(jì)了一套叫GSPO的強(qiáng)化學(xué)習(xí)算法，讓AI在虛擬環(huán)境里反復(fù)試錯(cuò)，然后根據(jù)安全性、合規(guī)性和舒適性三個(gè)維度給每條行駛軌跡打分。

打分標(biāo)準(zhǔn)很具體。安全性看有沒有碰撞風(fēng)險(xiǎn)，合規(guī)性看有沒有違反交通規(guī)則比如壓實(shí)線、闖紅燈，舒適性看加減速是否平順，有沒有急剎急轉(zhuǎn)。系統(tǒng)會(huì)生成一組候選路線，然后挑出得分最高的那條，把這個(gè)"好學(xué)生"的經(jīng)驗(yàn)反饋給AI，讓它不斷優(yōu)化。

這套機(jī)制跟駕校考試有點(diǎn)像。教練不光教你怎么開，還會(huì)告訴你哪些動(dòng)作會(huì)被扣分，哪些動(dòng)作是滿分操作。AI在虛擬環(huán)境里相當(dāng)于練了無數(shù)次，把所有可能犯的錯(cuò)都試過一遍，上路以后自然就更穩(wěn)了。

在NAVSIM-v2的測(cè)試中，這個(gè)版本加入了更嚴(yán)格的交通規(guī)則檢查和舒適性評(píng)估。WAM-Diff依然保持了89.7分的成績(jī)，說明它在遵守規(guī)則和保證舒適度方面都做得不錯(cuò)。相比之下，一些只追求速度的系統(tǒng)在這個(gè)測(cè)試?yán)锓謹(jǐn)?shù)掉得很厲害。

特斯拉的FSD用的也是端到端學(xué)習(xí)，但它走的是自回歸路線，本質(zhì)上還是"從左到右"一步步預(yù)測(cè)。這種方式在簡(jiǎn)單路況下沒問題，但遇到復(fù)雜場(chǎng)景，比如高峰期的環(huán)島或者施工路段，就容易出現(xiàn)決策延遲。

WAM-Diff的優(yōu)勢(shì)在于它能提前規(guī)劃好整條路線，遇到突發(fā)情況時(shí)調(diào)整空間更大。而且它的64個(gè)專家模型可以針對(duì)不同場(chǎng)景做專門優(yōu)化，這點(diǎn)比單一模型更靈活。當(dāng)然，特斯拉的優(yōu)勢(shì)是海量的實(shí)車數(shù)據(jù)和持續(xù)的OTA更新，這方面復(fù)旦團(tuán)隊(duì)還在積累階段。

不過技術(shù)思路上，WAM-Diff確實(shí)提供了一個(gè)新方向。它證明了非自回歸的生成方式在自動(dòng)駕駛領(lǐng)域是可行的，而且在某些指標(biāo)上已經(jīng)超過了傳統(tǒng)方法。