特倫托大學發現：無需示范，自動駕駛車輛能學會安全駕駛的秘密

這項由意大利特倫托大學和中山大學共同完成的研究發表于2026年2月，論文編號為arXiv:2602.23259v1。對這一前沿技術感興趣的讀者可以通過該編號查詢完整論文。

自動駕駛技術發展到今天，就像培養一個新司機一樣，大多數系統都需要觀察無數位老師傅的駕駛行為，然后模仿學習。這就好比學開車時，教練坐在副駕駛位上，告訴你什么時候該打方向盤，什么時候該踩剎車。但問題來了，如果路上遇到了教練從未遇到過的危險情況，比如突然沖出來的小動物或者前所未見的交通事故現場，這些"模仿學習"的自動駕駛系統往往就會手足無措，甚至做出危險的決定。

這就是當前自動駕駛技術面臨的一個根本性難題：專家示范再多，也不可能覆蓋所有可能發生的情況。就像再經驗豐富的老司機，也不可能遇到過所有突發狀況一樣。傳統的自動駕駛系統過分依賴這些"專家演示"，一旦遇到訓練數據中沒有的場景，就容易出現不安全的行為。

現在，意大利特傘托大學的研究團隊提出了一個全新的思路。他們開發了一套名為RaWMPC的系統，這個系統最大的特點就是完全不需要專家駕駛員的示范。相反，它會在虛擬環境中主動去"試錯"，通過預測不同行為可能帶來的風險后果，來學會安全駕駛。

這種方法就像是讓一個學生不再死記硬背標準答案，而是學會分析問題、預測結果，然后選擇最安全的解決方案。當系統面對一個十字路口時，它不是簡單地回想"專家在類似情況下是怎么做的"，而是會快速預測"如果我現在左轉會發生什么"、"如果我直行會發生什么"、"如果我停車會發生什么"，然后選擇風險最小的那個選項。

一、傳統方法的困局與新思路的誕生

當前的自動駕駛系統主要采用兩種學習方式，就像學生的兩種學習模式一樣。第一種是"照本宣科"式的模仿學習，系統通過觀看大量專家駕駛的錄像來學習。這就好比學生通過反復觀看優秀學長的考試錄像來準備考試，力求在相同情況下做出相同的反應。第二種是"獎勵導向"的強化學習，系統通過不斷嘗試來獲得獎勵，就像學生通過做題獲得分數來改進學習策略。

然而，這兩種方法都存在致命的缺陷。模仿學習就像一個只會背標準答案的學生，一旦考試題目稍有變化就束手無策。專家駕駛員的示范數據再豐富，也不可能涵蓋現實世界中所有可能出現的復雜場景。更重要的是，專家駕駛員通常會避開危險情況，這意味著系統很難從這些示范中學到如何應對真正的危機時刻。

強化學習雖然能夠通過試錯來改進，但它的目標通常是最大化某種獎勵分數，而不是明確地最小化風險。這就像一個學生只關心考試分數，而不關心是否真正理解了知識的本質。在面對罕見但高風險的情況時，這類系統仍然可能做出危險的決定。

面對這些挑戰，研究團隊提出了一個根本性的問題：能否讓自動駕駛系統在沒有任何專家示范的情況下，學會做出可靠的決策？他們的答案是肯定的，關鍵在于讓系統學會"預測風險"而不是"模仿行為"。

這種新方法的核心思想是讓系統建立一個"世界模型"，就像在大腦中建立一個虛擬的駕駛模擬器。當系統需要做決策時，它會在這個虛擬模擬器中快速"試駕"多種可能的行為，預測每種行為可能導致的后果，然后選擇風險最低的那一種。這就像一個圍棋高手在落子前，會在腦海中快速推演多種走法的可能結果，最終選擇最有利的那一步。

二、風險感知世界模型的工作原理

RaWMPC系統的核心就像是給自動駕駛車輛裝上了一個"未來預測器"。這個預測器能夠在車輛做出任何實際行動之前，先在虛擬世界中模擬各種可能的行為后果。

當車輛的攝像頭和傳感器捕捉到當前的交通狀況時，系統會首先生成多個"候選行為方案"。以在十字路口的情況為例，系統可能會同時考慮直行、左轉、右轉、減速或停車等多種選擇。接下來，系統的世界模型會像播放快進電影一樣，快速預測每種選擇在未來幾秒鐘內可能導致的結果。

這個預測過程包含了三個重要方面的信息。首先是語義理解，系統需要識別道路上的各種要素，比如行人、車輛、交通標志和車道線。這就像人類司機需要快速識別路況一樣。其次是事件預測，系統會判斷每種行為可能引發什么樣的交通事件，比如是否會與其他車輛碰撞，是否會壓到人行道，是否會違反交通規則。最后是車輛狀態預測，系統會預測車輛的未來位置、速度等基本信息。

為了讓這個預測過程更加準確，研究團隊設計了一個特殊的語義引導解碼機制。簡單來說，就是讓系統在預測交通事件時，會特別關注與該事件相關的道路區域。比如在預測車輛碰撞風險時，系統會重點關注其他車輛所在的區域；在預測行人安全時，系統會特別留意人行道和斑馬線附近的情況。這種機制大大提高了風險預測的準確性。

基于這些預測結果，系統會為每種候選行為計算一個"風險成本"。這個成本不僅考慮了碰撞、違規等安全因素，還權衡了行駛效率。系統最終會選擇成本最低的那個行為方案，也就是既安全又高效的駕駛決策。

三、風險感知交互學習策略

要讓系統學會準確預測各種行為的風險后果，關鍵在于讓它見識過足夠多的危險情況。這就像培養一個醫生，不僅要讓他見過健康的病人，更要讓他見過各種疑難雜癥，這樣才能在緊急情況下做出正確診斷。

傳統的訓練數據主要來自正常駕駛的記錄，這些數據中很少包含危險駕駛行為及其后果。這就像只讓醫學院學生看健康人的體檢報告，卻從不讓他們見過真正的病例一樣。為了解決這個問題，研究團隊設計了一個"風險感知交互學習策略"。

這個策略的工作方式很有趣。系統會在虛擬駕駛環境中主動進行三種不同類型的"實驗"。第一種是隨機探索，系統會嘗試各種隨機的駕駛行為，就像一個好奇的孩子在安全的環境中隨意嘗試各種可能性。第二種是"好行為"模式，系統會傾向于選擇那些預測成本較低、相對安全的行為。第三種是"壞行為"模式，這是最獨特的部分，系統會故意選擇那些預測風險較高的行為，主動去體驗危險駕駛的后果。

這種主動探索危險行為的做法聽起來可能有些反直覺，但其實非常必要。就像疫苗接種一樣，通過在控制環境中接觸少量的"病原體"，可以讓身體產生免疫力，避免真正感染時的嚴重后果。系統通過在虛擬環境中故意嘗試危險駕駛，能夠學會識別這些行為的嚴重后果，從而在真實駕駛中主動避免。

為了確保這種探索學習的有效性，研究團隊采用了一種"軟采樣"策略。也就是說，系統不會總是選擇風險最高或最低的行為，而是會按照一定的概率分布來選擇。這樣既保證了探索的多樣性，又避免了過度集中在極端情況上。隨著學習的進行，系統會逐漸調整這些概率，更多地專注于那些真正有價值的學習場景。

四、自我評估蒸餾技術

訓練好的世界模型雖然能夠準確預測風險，但在實際駕駛中，每次都要生成和評估大量候選行為方案是非常耗時的。這就像一個圍棋高手每步都要深思熟慮幾分鐘，雖然下得很好，但速度太慢，無法應對快節奏的實戰。

為了解決這個問題，研究團隊開發了一個"自我評估蒸餾"技術。這個技術的核心思想是讓經過充分訓練的世界模型充當"老師"，訓練一個快速的"學生"網絡來生成高質量的候選行為方案。

這個過程就像經驗豐富的老師傅帶徒弟一樣。老師傅（世界模型）會對大量的行為方案進行評估，標記出哪些是安全的好方案，哪些是危險的壞方案。然后，年輕的學徒（行為提議網絡）通過觀察老師傅的評判標準，學會直接生成高質量的行為方案，而不需要每次都進行完整的評估過程。

在技術實現上，這個過程使用了一種叫作對比學習的方法。系統會同時生成一些正面例子（低風險行為）和負面例子（高風險行為），然后訓練行為提議網絡學會區分和模仿正面例子。這種方法的好處是，學生網絡不僅學會了如何產生好的行為，還學會了如何避免壞的行為。

通過這種師傅帶徒弟的方式，系統在保持高安全性的同時，大大提高了決策速度。在實際應用中，快速的行為提議網絡可以在幾毫秒內生成候選方案，然后由世界模型進行最終的風險評估和選擇。這使得整個系統能夠滿足實時駕駛的嚴格時間要求。

五、實驗驗證與性能表現

為了驗證RaWMPC系統的有效性，研究團隊在兩個權威的自動駕駛測試平臺上進行了大規模實驗。這兩個平臺分別是Bench2Drive和NAVSIM，它們就像自動駕駛領域的"標準化考試"，用來客觀評估不同系統的性能。

在Bench2Drive平臺上，這個平臺模擬了各種復雜的城市駕駛場景，包括超車、掉頭、緊急制動、讓行等44種不同的駕駛情況。測試在220條不同的路線上進行，涵蓋了23種天氣條件和12個不同的城鎮環境。RaWMPC系統在這個嚴格的測試中取得了驚人的成績，駕駛綜合得分達到88.31分，成功完成率達到70.48%，超越了所有對比的先進系統。

更令人印象深刻的是，即使在完全沒有使用任何專家示范數據的情況下，RaWMPC仍然達到了87.34分的駕駛得分和69.62%的成功率，依然超過了許多依賴大量專家數據訓練的傳統系統。這就像一個完全自學的學生，在考試中擊敗了那些接受過名師輔導的同學一樣令人驚訝。

在NAVSIM平臺上，這個平臺基于真實世界的大規模駕駛數據，測試系統在復雜真實場景下的規劃能力。RaWMPC系統在主要評估指標PDMS上達到了91.3分，同樣創下了新的記錄。這個平臺的測試更加貼近真實駕駛條件，證明了RaWMPC系統具有良好的實用潛力。

特別值得關注的是系統在極端天氣條件下的表現。研究團隊專門測試了系統應對天氣變化的能力，比如在只用晴天數據訓練的情況下，讓系統在雨天環境中駕駛。結果顯示，RaWMPC系統表現出了優異的適應性。當其他系統在雨天的表現大幅下降時，RaWMPC的性能下降幅度要小得多，顯示出更強的泛化能力。

研究團隊通過具體案例展示了系統的決策過程。在一個典型的場景中，當系統面對突然出現的行人時，它會快速評估多種選擇：直行可能撞到行人，急剎車可能被后車追尾，繞行可能撞到路邊車輛。最終，系統選擇了先減速再小幅度繞行的策略，成功避開了行人并保持了交通流暢。這種決策過程展現了系統對復雜情況的深度理解和合理應對能力。

六、系統優勢與創新突破

RaWMPC系統相比傳統自動駕駛技術實現了多個重要突破。最顯著的優勢是擺脫了對專家示范的依賴。傳統系統需要收集大量專業司機的駕駛數據，這個過程不僅成本高昂，還存在數據覆蓋不全的問題。RaWMPC系統通過自主學習風險預測，徹底解決了這個瓶頸。

系統的決策過程具有很強的可解釋性。與那些像"黑盒子"一樣的深度學習系統不同，RaWMPC能夠清晰地展示它為什么選擇某個特定的行為。系統會預測每種候選行為的具體后果，包括碰撞概率、違規風險、行駛效率等，然后基于這些可量化的指標做出決策。這種透明性對于建立用戶信任和滿足安全監管要求都非常重要。

在應對未知場景方面，RaWMPC顯示出了卓越的泛化能力。傳統的模仿學習系統在遇到訓練數據中沒有出現過的情況時，往往會產生不可預測的行為。而RaWMPC通過預測機制，能夠對新場景進行合理的風險評估，從而做出相對安全的決策。這種能力在真實世界的復雜交通環境中尤其寶貴。

系統在效率和安全性之間實現了良好的平衡。許多過分保守的自動駕駛系統雖然安全，但會嚴重影響交通效率，比如過度緩慢的起步、過早的制動等。RaWMPC通過同時優化安全性和效率指標，能夠在保證安全的前提下，維持相對正常的駕駛節奏。

從技術架構角度來看，RaWMPC系統具有很好的模塊化設計。世界模型、風險評估和行為生成等組件相對獨立，這使得系統更容易維護和升級。當需要適應新的車型或新的傳感器配置時，只需要調整相應的模塊，而不需要重新訓練整個系統。

七、技術細節與創新機制

RaWMPC系統在技術實現上包含了多個精巧的創新機制。系統的視覺編碼器采用了預訓練的視覺變換器架構，能夠高效處理多角度的攝像頭輸入。這些視覺信息被轉換為鳥瞰圖特征，為后續的空間推理提供了統一的表示空間。

世界模型的設計采用了自回歸的預測方式，就像寫故事一樣逐步展開未來場景。系統首先根據當前狀態和候選動作預測下一時刻的狀態，然后將這個預測狀態作為輸入，繼續預測更遠未來的狀態。這種遞歸預測能夠生成長達數秒的未來場景序列。

為了提高預測的準確性，系統采用了多任務學習的策略。除了預測基本的場景狀態，系統還同時預測語義分割、交通事件和自車狀態等多種信息。這些輔助任務相互促進，提高了整體預測的質量。特別是語義分割任務，為交通事件預測提供了重要的空間注意力指導。

在風險評估方面，系統使用了一個時間衰減的權重機制。由于距離當前時刻越遠的預測越不確定，系統會給近期預測賦予更高的權重，給遠期預測賦予較低的權重。這種設計既保證了決策的實時性，又考慮了長期規劃的需要。

行為候選生成采用了段式采樣策略，而不是逐步采樣。也就是說，系統會一次生成未來幾秒的完整行為序列，而不是每次只生成下一步的動作。這種策略保證了駕駛行為的時間連貫性，避免了頻繁的方向盤抖動或不自然的加減速。

自我評估蒸餾過程使用了條件變分自編碼器架構。這個架構能夠學習行為空間的潛在分布，生成既多樣化又高質量的候選行為。通過對比學習的訓練方式，系統學會了在潛在空間中區分安全和危險的行為模式。

八、系統局限與未來發展方向

盡管RaWMPC系統在多個方面取得了突破性進展，但研究團隊也誠實地指出了當前系統的一些局限性。首先是計算復雜度的問題。雖然通過自我評估蒸餾技術大大提高了效率，但系統仍然需要相當的計算資源來進行實時的風險預測。這在資源受限的車載環境中可能會成為一個挑戰。

預測準確性也存在改進空間。目前的世界模型在預測較長時間范圍的場景時，誤差會逐漸累積。特別是在預測其他車輛和行人的復雜行為時，系統的準確性還有待提高。這種預測誤差可能會影響風險評估的可靠性。

系統的訓練需要大量的仿真環境交互，這個過程相對耗時。雖然不需要專家示范數據，但系統需要在虛擬環境中進行大量的"試錯"學習。如何進一步提高學習效率，減少訓練時間，是一個值得關注的問題。

在真實世界部署方面，系統還需要解決仿真到現實的轉移問題。雖然在仿真環境中表現優異，但真實世界的復雜性遠超仿真環境。如何保證系統在真實道路上的安全性和可靠性，需要更多的驗證工作。

針對這些局限性，研究團隊提出了幾個重要的發展方向。首先是探索更高效的模型架構，通過神經網絡壓縮、知識蒸餾等技術，進一步降低計算復雜度。其次是改進預測模型，特別是在處理動態對象行為預測方面，引入更先進的序列建模技術。

另一個重要方向是開發更好的仿真到現實轉移方法。這可能包括使用更真實的仿真環境、引入領域自適應技術，以及設計漸進式的現實世界部署策略。研究團隊還計劃探索多模態感知的融合，將激光雷達、毫米波雷達等更多傳感器信息整合到系統中。

九、對自動駕駛行業的影響與意義

RaWMPC系統的出現對整個自動駕駛行業具有深遠的影響。最直接的影響是降低了自動駕駛技術的開發門檻。傳統方法需要收集大量專業司機的駕駛數據，這個過程不僅成本高昂，還需要大量的人力投入。RaWMPC通過自主學習的方式，大大減少了對人工標注數據的依賴，讓更多的公司和研究機構能夠參與到自動駕駛技術的開發中來。

從技術發展角度來看，這項研究推動了自動駕駛從"模仿學習"向"理解學習"的范式轉變。傳統的模仿學習就像教孩子背誦標準答案，而RaWMPC更像是教孩子理解問題的本質和解決方法。這種轉變對于應對真實世界的復雜性和不確定性具有重要意義。

在安全性方面，RaWMPC系統提供了一種新的思路。通過主動學習危險情況的后果，系統能夠更好地預防和應對安全風險。這種"預防勝于治療"的理念，可能會成為未來自動駕駛安全設計的重要指導原則。

對于監管和標準制定來說，RaWMPC系統的可解釋性特征也具有重要價值。監管機構一直關心自動駕駛系統決策過程的透明度，RaWMPC能夠清晰地展示決策邏輯和風險評估過程，這有助于建立更完善的監管框架。

從商業化角度來看，這項技術可能會加速自動駕駛的普及。由于不需要大量的專家數據，系統的開發和部署成本相對較低。同時，更好的安全性和適應性也有助于提高用戶接受度和監管批準的可能性。

這項研究也為相關領域的技術發展提供了啟示。世界模型和預測性控制的概念不僅適用于自動駕駛，還可能在機器人導航、無人機飛行、工業自動化等其他領域發揮重要作用。這種跨領域的技術遷移可能會帶來更廣泛的創新應用。

說到底，RaWMPC系統代表了人工智能從"記憶專家經驗"向"理解世界規律"的重要轉變。就像人類從死記硬背發展到獨立思考一樣，這種轉變讓機器擁有了更強的適應性和創造性。雖然這項技術還需要進一步完善，但它已經為自動駕駛技術的未來發展指明了一個充滿希望的新方向。

當我們站在技術發展的十字路口時，RaWMPC系統提醒我們，真正的智能不在于完美地模仿，而在于深刻地理解。它讓我們看到了一個不依賴人類專家指導，卻能夠自主學習安全駕駛的未來。這個未來可能比我們想象的更近，也更加值得期待。對于那些希望了解這項技術更多細節的讀者，可以通過論文編號arXiv:2602.23259v1查詢完整的研究報告。

Q&A

Q1：RaWMPC自動駕駛系統是如何不需要專家示范就能學會安全駕駛的？

A：RaWMPC系統通過建立一個"世界模型"來預測不同駕駛行為的后果，而不是模仿專家的駕駛行為。它會在虛擬環境中主動嘗試各種駕駛行為，包括危險行為，從而學會識別和避免風險。當面臨實際駕駛決策時，系統會快速預測多種行為選擇的可能結果，然后選擇風險最小的那個選項。

Q2：RaWMPC系統的風險感知學習策略具體是如何工作的？

A：系統采用三種不同的學習模式：隨機探索各種駕駛行為、傾向選擇安全行為，以及故意嘗試高風險行為。最特別的是第三種模式，系統會在安全的虛擬環境中故意進行危險駕駛，體驗這些行為的嚴重后果，從而在真實駕駛中主動避免類似情況。這就像疫苗接種一樣，通過接觸少量"危險"來建立免疫力。

Q3：與傳統自動駕駛系統相比，RaWMPC有什么明顯優勢？

A：RaWMPC最大的優勢是在面對未見過的場景時表現更好，泛化能力更強。傳統系統遇到訓練數據中沒有的情況時容易出錯，而RaWMPC通過風險預測機制能夠合理應對新場景。此外，系統決策過程透明可解釋，能清楚展示為什么選擇某個行為，這對安全監管很重要。實驗顯示，即使不使用任何專家數據，RaWMPC的性能仍超過許多依賴大量專家示范的傳統系統。