新京報貝殼財經(jīng)訊（記者羅亦丹）2月22日，商湯絕影CEO，商湯科技聯(lián)合創(chuàng)始人、首席科學家王曉剛在2025GDC全球開發(fā)者先鋒大會上發(fā)布了端到端自動駕駛技術(shù)路線R-UniAD，通過構(gòu)建世界模型生成在線交互的仿真環(huán)境，以此進行端到端模型的強化學習訓練。

“算法、算力和數(shù)據(jù)三者共同推動著人工智能技術(shù)的螺旋式上升和進步，隨著強化學習等算法引入到大模型訓練的思路得到驗證，新的尺度定律正在開啟，數(shù)據(jù)價值被進一步深入挖掘，模型能力天花板被打開?！蓖鯐詣偙硎?。

近期，DeepSeek-R1基于純強化學習的關(guān)鍵創(chuàng)新引發(fā)了廣泛的關(guān)注。通過少量高質(zhì)量數(shù)據(jù)的冷啟動，模型進行多階段的強化學習訓練，有效降低大模型訓練的數(shù)據(jù)規(guī)模門檻。

王曉剛表示，基于強化學習的大模型技術(shù)路線也可以遷移到端到端自動駕駛算法的訓練與研發(fā)之中，“多階段強化學習的訓練方法能大幅降低端到端自動駕駛數(shù)據(jù)規(guī)模門檻。R-UniAD就是通過高質(zhì)量數(shù)據(jù)進行冷啟動，用模仿學習的方式訓練出一個端到端基礎模型，再通過強化學習方法進行訓練。據(jù)測算，小樣本多階段學習的技術(shù)路線能讓端到端自動駕駛的數(shù)據(jù)需求降低一個數(shù)量級。”

編輯 韋英姿

校對 吳興發(fā)