这项由意大利特伦托大学和中山大学共同完成的研究发表于2026年2月，论文编号为arXiv:2602.23259v1。对这一前沿技术感兴趣的读者可以通过该编号查询完整论文。

自动驾驶技术发展到今天，就像培养一个新司机一样，大多数系统都需要观察无数位老师傅的驾驶行为，然后模仿学习。这就好比学开车时，教练坐在副驾驶位上，告诉你什么时候该打方向盘，什么时候该踩刹车。但问题来了，如果路上遇到了教练从未遇到过的危险情况，比如突然冲出来的小动物或者前所未见的交通事故现场，这些"模仿学习"的自动驾驶系统往往就会手足无措，甚至做出危险的决定。

这就是当前自动驾驶技术面临的一个根本性难题：专家示范再多，也不可能覆盖所有可能发生的情况。就像再经验丰富的老司机，也不可能遇到过所有突发状况一样。传统的自动驾驶系统过分依赖这些"专家演示"，一旦遇到训练数据中没有的场景，就容易出现不安全的行为。

现在，意大利特伞托大学的研究团队提出了一个全新的思路。他们开发了一套名为RaWMPC的系统，这个系统最大的特点就是完全不需要专家驾驶员的示范。相反，它会在虚拟环境中主动去"试错"，通过预测不同行为可能带来的风险后果，来学会安全驾驶。

这种方法就像是让一个学生不再死记硬背标准答案，而是学会分析问题、预测结果，然后选择最安全的解决方案。当系统面对一个十字路口时，它不是简单地回想"专家在类似情况下是怎么做的"，而是会快速预测"如果我现在左转会发生什么"、"如果我直行会发生什么"、"如果我停车会发生什么"，然后选择风险最小的那个选项。

一、传统方法的困局与新思路的诞生

当前的自动驾驶系统主要采用两种学习方式，就像学生的两种学习模式一样。第一种是"照本宣科"式的模仿学习，系统通过观看大量专家驾驶的录像来学习。这就好比学生通过反复观看优秀学长的考试录像来准备考试，力求在相同情况下做出相同的反应。第二种是"奖励导向"的强化学习，系统通过不断尝试来获得奖励，就像学生通过做题获得分数来改进学习策略。

然而，这两种方法都存在致命的缺陷。模仿学习就像一个只会背标准答案的学生，一旦考试题目稍有变化就束手无策。专家驾驶员的示范数据再丰富，也不可能涵盖现实世界中所有可能出现的复杂场景。更重要的是，专家驾驶员通常会避开危险情况，这意味着系统很难从这些示范中学到如何应对真正的危机时刻。

强化学习虽然能够通过试错来改进，但它的目标通常是最大化某种奖励分数，而不是明确地最小化风险。这就像一个学生只关心考试分数，而不关心是否真正理解了知识的本质。在面对罕见但高风险的情况时，这类系统仍然可能做出危险的决定。

面对这些挑战，研究团队提出了一个根本性的问题：能否让自动驾驶系统在没有任何专家示范的情况下，学会做出可靠的决策？他们的答案是肯定的，关键在于让系统学会"预测风险"而不是"模仿行为"。

这种新方法的核心思想是让系统建立一个"世界模型"，就像在大脑中建立一个虚拟的驾驶模拟器。当系统需要做决策时，它会在这个虚拟模拟器中快速"试驾"多种可能的行为，预测每种行为可能导致的后果，然后选择风险最低的那一种。这就像一个围棋高手在落子前，会在脑海中快速推演多种走法的可能结果，最终选择最有利的那一步。

二、风险感知世界模型的工作原理

RaWMPC系统的核心就像是给自动驾驶车辆装上了一个"未来预测器"。这个预测器能够在车辆做出任何实际行动之前，先在虚拟世界中模拟各种可能的行为后果。

当车辆的摄像头和传感器捕捉到当前的交通状况时，系统会首先生成多个"候选行为方案"。以在十字路口的情况为例，系统可能会同时考虑直行、左转、右转、减速或停车等多种选择。接下来，系统的世界模型会像播放快进电影一样，快速预测每种选择在未来几秒钟内可能导致的结果。

这个预测过程包含了三个重要方面的信息。首先是语义理解，系统需要识别道路上的各种要素，比如行人、车辆、交通标志和车道线。这就像人类司机需要快速识别路况一样。其次是事件预测，系统会判断每种行为可能引发什么样的交通事件，比如是否会与其他车辆碰撞，是否会压到人行道，是否会违反交通规则。最后是车辆状态预测，系统会预测车辆的未来位置、速度等基本信息。

为了让这个预测过程更加准确，研究团队设计了一个特殊的语义引导解码机制。简单来说，就是让系统在预测交通事件时，会特别关注与该事件相关的道路区域。比如在预测车辆碰撞风险时，系统会重点关注其他车辆所在的区域；在预测行人安全时，系统会特别留意人行道和斑马线附近的情况。这种机制大大提高了风险预测的准确性。

基于这些预测结果，系统会为每种候选行为计算一个"风险成本"。这个成本不仅考虑了碰撞、违规等安全因素，还权衡了行驶效率。系统最终会选择成本最低的那个行为方案，也就是既安全又高效的驾驶决策。

三、风险感知交互学习策略

要让系统学会准确预测各种行为的风险后果，关键在于让它见识过足够多的危险情况。这就像培养一个医生，不仅要让他见过健康的病人，更要让他见过各种疑难杂症，这样才能在紧急情况下做出正确诊断。

传统的训练数据主要来自正常驾驶的记录，这些数据中很少包含危险驾驶行为及其后果。这就像只让医学院学生看健康人的体检报告，却从不让他们见过真正的病例一样。为了解决这个问题，研究团队设计了一个"风险感知交互学习策略"。

这个策略的工作方式很有趣。系统会在虚拟驾驶环境中主动进行三种不同类型的"实验"。第一种是随机探索，系统会尝试各种随机的驾驶行为，就像一个好奇的孩子在安全的环境中随意尝试各种可能性。第二种是"好行为"模式，系统会倾向于选择那些预测成本较低、相对安全的行为。第三种是"坏行为"模式，这是最独特的部分，系统会故意选择那些预测风险较高的行为，主动去体验危险驾驶的后果。

这种主动探索危险行为的做法听起来可能有些反直觉，但其实非常必要。就像疫苗接种一样，通过在控制环境中接触少量的"病原体"，可以让身体产生免疫力，避免真正感染时的严重后果。系统通过在虚拟环境中故意尝试危险驾驶，能够学会识别这些行为的严重后果，从而在真实驾驶中主动避免。

为了确保这种探索学习的有效性，研究团队采用了一种"软采样"策略。也就是说，系统不会总是选择风险最高或最低的行为，而是会按照一定的概率分布来选择。这样既保证了探索的多样性，又避免了过度集中在极端情况上。随着学习的进行，系统会逐渐调整这些概率，更多地专注于那些真正有价值的学习场景。

四、自我评估蒸馏技术

训练好的世界模型虽然能够准确预测风险，但在实际驾驶中，每次都要生成和评估大量候选行为方案是非常耗时的。这就像一个围棋高手每步都要深思熟虑几分钟，虽然下得很好，但速度太慢，无法应对快节奏的实战。

为了解决这个问题，研究团队开发了一个"自我评估蒸馏"技术。这个技术的核心思想是让经过充分训练的世界模型充当"老师"，训练一个快速的"学生"网络来生成高质量的候选行为方案。

这个过程就像经验丰富的老师傅带徒弟一样。老师傅（世界模型）会对大量的行为方案进行评估，标记出哪些是安全的好方案，哪些是危险的坏方案。然后，年轻的学徒（行为提议网络）通过观察老师傅的评判标准，学会直接生成高质量的行为方案，而不需要每次都进行完整的评估过程。

在技术实现上，这个过程使用了一种叫作对比学习的方法。系统会同时生成一些正面例子（低风险行为）和负面例子（高风险行为），然后训练行为提议网络学会区分和模仿正面例子。这种方法的好处是，学生网络不仅学会了如何产生好的行为，还学会了如何避免坏的行为。

通过这种师傅带徒弟的方式，系统在保持高安全性的同时，大大提高了决策速度。在实际应用中，快速的行为提议网络可以在几毫秒内生成候选方案，然后由世界模型进行最终的风险评估和选择。这使得整个系统能够满足实时驾驶的严格时间要求。

五、实验验证与性能表现

为了验证RaWMPC系统的有效性，研究团队在两个权威的自动驾驶测试平台上进行了大规模实验。这两个平台分别是Bench2Drive和NAVSIM，它们就像自动驾驶领域的"标准化考试"，用来客观评估不同系统的性能。

在Bench2Drive平台上，这个平台模拟了各种复杂的城市驾驶场景，包括超车、掉头、紧急制动、让行等44种不同的驾驶情况。测试在220条不同的路线上进行，涵盖了23种天气条件和12个不同的城镇环境。RaWMPC系统在这个严格的测试中取得了惊人的成绩，驾驶综合得分达到88.31分，成功完成率达到70.48%，超越了所有对比的先进系统。

更令人印象深刻的是，即使在完全没有使用任何专家示范数据的情况下，RaWMPC仍然达到了87.34分的驾驶得分和69.62%的成功率，依然超过了许多依赖大量专家数据训练的传统系统。这就像一个完全自学的学生，在考试中击败了那些接受过名师辅导的同学一样令人惊讶。

在NAVSIM平台上，这个平台基于真实世界的大规模驾驶数据，测试系统在复杂真实场景下的规划能力。RaWMPC系统在主要评估指标PDMS上达到了91.3分，同样创下了新的记录。这个平台的测试更加贴近真实驾驶条件，证明了RaWMPC系统具有良好的实用潜力。

特别值得关注的是系统在极端天气条件下的表现。研究团队专门测试了系统应对天气变化的能力，比如在只用晴天数据训练的情况下，让系统在雨天环境中驾驶。结果显示，RaWMPC系统表现出了优异的适应性。当其他系统在雨天的表现大幅下降时，RaWMPC的性能下降幅度要小得多，显示出更强的泛化能力。

研究团队通过具体案例展示了系统的决策过程。在一个典型的场景中，当系统面对突然出现的行人时，它会快速评估多种选择：直行可能撞到行人，急刹车可能被后车追尾，绕行可能撞到路边车辆。最终，系统选择了先减速再小幅度绕行的策略，成功避开了行人并保持了交通流畅。这种决策过程展现了系统对复杂情况的深度理解和合理应对能力。

六、系统优势与创新突破

RaWMPC系统相比传统自动驾驶技术实现了多个重要突破。最显著的优势是摆脱了对专家示范的依赖。传统系统需要收集大量专业司机的驾驶数据，这个过程不仅成本高昂，还存在数据覆盖不全的问题。RaWMPC系统通过自主学习风险预测，彻底解决了这个瓶颈。

系统的决策过程具有很强的可解释性。与那些像"黑盒子"一样的深度学习系统不同，RaWMPC能够清晰地展示它为什么选择某个特定的行为。系统会预测每种候选行为的具体后果，包括碰撞概率、违规风险、行驶效率等，然后基于这些可量化的指标做出决策。这种透明性对于建立用户信任和满足安全监管要求都非常重要。

在应对未知场景方面，RaWMPC显示出了卓越的泛化能力。传统的模仿学习系统在遇到训练数据中没有出现过的情况时，往往会产生不可预测的行为。而RaWMPC通过预测机制，能够对新场景进行合理的风险评估，从而做出相对安全的决策。这种能力在真实世界的复杂交通环境中尤其宝贵。

系统在效率和安全性之间实现了良好的平衡。许多过分保守的自动驾驶系统虽然安全，但会严重影响交通效率，比如过度缓慢的起步、过早的制动等。RaWMPC通过同时优化安全性和效率指标，能够在保证安全的前提下，维持相对正常的驾驶节奏。

从技术架构角度来看，RaWMPC系统具有很好的模块化设计。世界模型、风险评估和行为生成等组件相对独立，这使得系统更容易维护和升级。当需要适应新的车型或新的传感器配置时，只需要调整相应的模块，而不需要重新训练整个系统。

七、技术细节与创新机制

RaWMPC系统在技术实现上包含了多个精巧的创新机制。系统的视觉编码器采用了预训练的视觉变换器架构，能够高效处理多角度的摄像头输入。这些视觉信息被转换为鸟瞰图特征，为后续的空间推理提供了统一的表示空间。

世界模型的设计采用了自回归的预测方式，就像写故事一样逐步展开未来场景。系统首先根据当前状态和候选动作预测下一时刻的状态，然后将这个预测状态作为输入，继续预测更远未来的状态。这种递归预测能够生成长达数秒的未来场景序列。

为了提高预测的准确性，系统采用了多任务学习的策略。除了预测基本的场景状态，系统还同时预测语义分割、交通事件和自车状态等多种信息。这些辅助任务相互促进，提高了整体预测的质量。特别是语义分割任务，为交通事件预测提供了重要的空间注意力指导。

在风险评估方面，系统使用了一个时间衰减的权重机制。由于距离当前时刻越远的预测越不确定，系统会给近期预测赋予更高的权重，给远期预测赋予较低的权重。这种设计既保证了决策的实时性，又考虑了长期规划的需要。

行为候选生成采用了段式采样策略，而不是逐步采样。也就是说，系统会一次生成未来几秒的完整行为序列，而不是每次只生成下一步的动作。这种策略保证了驾驶行为的时间连贯性，避免了频繁的方向盘抖动或不自然的加减速。

自我评估蒸馏过程使用了条件变分自编码器架构。这个架构能够学习行为空间的潜在分布，生成既多样化又高质量的候选行为。通过对比学习的训练方式，系统学会了在潜在空间中区分安全和危险的行为模式。

八、系统局限与未来发展方向

尽管RaWMPC系统在多个方面取得了突破性进展，但研究团队也诚实地指出了当前系统的一些局限性。首先是计算复杂度的问题。虽然通过自我评估蒸馏技术大大提高了效率，但系统仍然需要相当的计算资源来进行实时的风险预测。这在资源受限的车载环境中可能会成为一个挑战。

预测准确性也存在改进空间。目前的世界模型在预测较长时间范围的场景时，误差会逐渐累积。特别是在预测其他车辆和行人的复杂行为时，系统的准确性还有待提高。这种预测误差可能会影响风险评估的可靠性。

系统的训练需要大量的仿真环境交互，这个过程相对耗时。虽然不需要专家示范数据，但系统需要在虚拟环境中进行大量的"试错"学习。如何进一步提高学习效率，减少训练时间，是一个值得关注的问题。

在真实世界部署方面，系统还需要解决仿真到现实的转移问题。虽然在仿真环境中表现优异，但真实世界的复杂性远超仿真环境。如何保证系统在真实道路上的安全性和可靠性，需要更多的验证工作。

针对这些局限性，研究团队提出了几个重要的发展方向。首先是探索更高效的模型架构，通过神经网络压缩、知识蒸馏等技术，进一步降低计算复杂度。其次是改进预测模型，特别是在处理动态对象行为预测方面，引入更先进的序列建模技术。

另一个重要方向是开发更好的仿真到现实转移方法。这可能包括使用更真实的仿真环境、引入领域自适应技术，以及设计渐进式的现实世界部署策略。研究团队还计划探索多模态感知的融合，将激光雷达、毫米波雷达等更多传感器信息整合到系统中。

九、对自动驾驶行业的影响与意义

RaWMPC系统的出现对整个自动驾驶行业具有深远的影响。最直接的影响是降低了自动驾驶技术的开发门槛。传统方法需要收集大量专业司机的驾驶数据，这个过程不仅成本高昂，还需要大量的人力投入。RaWMPC通过自主学习的方式，大大减少了对人工标注数据的依赖，让更多的公司和研究机构能够参与到自动驾驶技术的开发中来。

从技术发展角度来看，这项研究推动了自动驾驶从"模仿学习"向"理解学习"的范式转变。传统的模仿学习就像教孩子背诵标准答案，而RaWMPC更像是教孩子理解问题的本质和解决方法。这种转变对于应对真实世界的复杂性和不确定性具有重要意义。

在安全性方面，RaWMPC系统提供了一种新的思路。通过主动学习危险情况的后果，系统能够更好地预防和应对安全风险。这种"预防胜于治疗"的理念，可能会成为未来自动驾驶安全设计的重要指导原则。

对于监管和标准制定来说，RaWMPC系统的可解释性特征也具有重要价值。监管机构一直关心自动驾驶系统决策过程的透明度，RaWMPC能够清晰地展示决策逻辑和风险评估过程，这有助于建立更完善的监管框架。

从商业化角度来看，这项技术可能会加速自动驾驶的普及。由于不需要大量的专家数据，系统的开发和部署成本相对较低。同时，更好的安全性和适应性也有助于提高用户接受度和监管批准的可能性。

这项研究也为相关领域的技术发展提供了启示。世界模型和预测性控制的概念不仅适用于自动驾驶，还可能在机器人导航、无人机飞行、工业自动化等其他领域发挥重要作用。这种跨领域的技术迁移可能会带来更广泛的创新应用。

说到底，RaWMPC系统代表了人工智能从"记忆专家经验"向"理解世界规律"的重要转变。就像人类从死记硬背发展到独立思考一样，这种转变让机器拥有了更强的适应性和创造性。虽然这项技术还需要进一步完善，但它已经为自动驾驶技术的未来发展指明了一个充满希望的新方向。

当我们站在技术发展的十字路口时，RaWMPC系统提醒我们，真正的智能不在于完美地模仿，而在于深刻地理解。它让我们看到了一个不依赖人类专家指导，却能够自主学习安全驾驶的未来。这个未来可能比我们想象的更近，也更加值得期待。对于那些希望了解这项技术更多细节的读者，可以通过论文编号arXiv:2602.23259v1查询完整的研究报告。

Q&A

Q1：RaWMPC自动驾驶系统是如何不需要专家示范就能学会安全驾驶的？

A：RaWMPC系统通过建立一个"世界模型"来预测不同驾驶行为的后果，而不是模仿专家的驾驶行为。它会在虚拟环境中主动尝试各种驾驶行为，包括危险行为，从而学会识别和避免风险。当面临实际驾驶决策时，系统会快速预测多种行为选择的可能结果，然后选择风险最小的那个选项。

Q2：RaWMPC系统的风险感知学习策略具体是如何工作的？

A：系统采用三种不同的学习模式：随机探索各种驾驶行为、倾向选择安全行为，以及故意尝试高风险行为。最特别的是第三种模式，系统会在安全的虚拟环境中故意进行危险驾驶，体验这些行为的严重后果，从而在真实驾驶中主动避免类似情况。这就像疫苗接种一样，通过接触少量"危险"来建立免疫力。

Q3：与传统自动驾驶系统相比，RaWMPC有什么明显优势？

A：RaWMPC最大的优势是在面对未见过的场景时表现更好，泛化能力更强。传统系统遇到训练数据中没有的情况时容易出错，而RaWMPC通过风险预测机制能够合理应对新场景。此外，系统决策过程透明可解释，能清楚展示为什么选择某个行为，这对安全监管很重要。实验显示，即使不使用任何专家数据，RaWMPC的性能仍超过许多依赖大量专家示范的传统系统。