【自动驾驶】自动驾驶的终极解法?中科院自动化所与理想汽车联手推出WorldRFT

 主要传递正能量，顺便分享小知识

    《WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving》是中科院自动化所与理想汽车团队的最新研究。

    在自动驾驶领域，传统的端到端方法往往依赖复杂的感知模块，而新兴的潜在世界模型又因重建导向的表示学习，导致规划任务优化不佳。面对这一核心挑战，研究团队提出了WorldRFT——一个面向规划的潜在世界模型框架。它通过分层规划分解与局部感知交互优化机制，将场景表示学习与规划任务对齐，并引入强化学习微调来提升安全关键策略性能。其核心创新在于集成了视觉-几何基础模型以增强3D空间感知，并提出了分组相对策略优化方法，通过轨迹高斯化和碰撞感知奖励来精细调整驾驶策略。       在实际测试中，WorldRFT在nuScenes数据集上将碰撞率降低了惊人的83%，在仅使用摄像头输入的NavSim闭环仿真中，性能媲美基于激光雷达的顶尖方法。这标志着一种更安全、更高效的自动驾驶规划新范式正在形成，为未来量产落地提供了坚实的技术路径。