盖世汽车讯 跟着师法学习(IL)和大规模驾驶数据集的颠倒，端到端自动驾驶(E2E-AD)频年来得回了长足的颠倒。现在，基于师法学习的要道已成为主流范式：模子依赖于大家提供的圭臬驾驶行径，并学习怎样最小化自己行径与大家行径之间的互异。干系词，这种“只像大家雷同驾驶”的筹备存在泛化身手有限的问题：当遭逢大家示范漫衍以外的冷漠或未尝见过的长尾场景时，由于贫寒先验教训，模子频频会作念出不安全的决议。这就引出了一个根人道的问题：E2E-AD系统能否在莫得任何大家行径监督的情况下作念出可靠的决议？

据外媒报谈，特伦托大学(University of Trento)和中山大学(Sun Yat-sen University)共同建议了一个名为风险感知寰球模子瞻望轨则(Risk-aware World Model Predictive Control，RaWMPC)的和洽框架，旨在通过鲁棒轨则措置这一泛化难题，而无需依赖大家示范。