L4大方向有了：理想自动驾驶团队，在全球AI顶会上揭幕新范式

AIGC动态1周前发布 almosthuman2014

171 0 0

文章摘要

人工智能技术正经历从依赖人类生成数据向体验式学习的范式转变，这一趋势在自动驾驶领域尤为明显。OpenAI前研究员姚顺雨提出AI已进入“下半场”，强调需要开发新的评估方法并超越人类模仿，依赖可扩展的新数据源。理想汽车在ICCV 2025上展示了其自动驾驶技术的突破性进展，提出全球首个将世界模型与强化学习闭环落地于量产系统的完整架构。

理想汽车的辅助驾驶技术以VLA（视觉语言行动模型）为核心，经历了从规则算法到端到端方案的进化。尽管端到端学习初期显著提升了接管里程（MPI），但数据量扩展到1000万Clips后遭遇边际效应，罕见场景（Corner Case）的数据稀疏性成为瓶颈。为此，理想提出从数据闭环转向训练闭环，通过合成数据、环境反馈和强化学习（如RLHF/RLAIF）实现迭代优化。

世界模型是理想新技术的核心，支撑仿真评估、数据合成和强化学习探索。其Hierarchy UGP研究通过层次化高斯图元建模动态场景，提升了重建与生成能力。此外，理想利用生成式AI合成视频和点云数据，优化数据分布，推动Data Scaling Laws的持续延伸。

理想在ICCV 2025展示了多项研究成果，覆盖3D重建、端到端驾驶框架和视频模拟。例如，3DRealCar数据集提供高保真汽车扫描数据，World4Drive框架通过潜在世界模型实现无感知标注的轨迹规划。强化学习引擎被视为关键挑战，需解决世界模型真实性、奖励模型设计和性能优化等问题。

交互式智能体是另一大技术难点，理想计划通过调整强化学习reward约束多智能体行为。其即将发布的MAD项目旨在减少碰撞并提升效率。自2023年定位为人工智能企业以来，理想将半数研发投入AI领域，辅助驾驶和MindGPT驱动的“理想同学”已实现商业化落地。

理想的开源成果正推动行业技术共识，其VLA范式被广泛采纳。未来，AI驱动的生产力升级中，理想的技术积累和行业影响力将持续显现。