1 前言

        在前面的博客中，笔者写了大量的文章，去介绍普及自动驾驶端到端相关的内容，包括VLM/VLA或者VA等架构。本篇博客笔者主要介绍很多车企都在使用的世界模型生成方案---3DGS。

        当下主流端到端智驾模型多采用模仿学习范式，但该范式在实际应用中存在难以解决的关键问题，这也成为 RAD（Reinforced Autonomous Driving）范式提出的核心动因：

• 因果混淆问题：模仿学习本质是拟合人类驾驶轨迹的相关性而非因果关系，模型易出现捷径学习。例如仅靠历史轨迹外推未来轨迹，而非基于障碍物、交通规则等真实因果因素做决策，且训练数据以常规驾驶行为为主，导致模型对碰撞等安全关键事件不敏感。
• 开环闭环差异问题：模仿学习以开环方式训练，而真实驾驶是闭环过程。单步微小的轨迹误差会随时间累积，使车辆陷入训练数据外的场景，此时仅靠模仿学习训练的模型极易失效。
• 传统闭环训练不可行：若直接在真实道路开展闭环强化学习训练，会面临极高的安全风险与运营成本；而基于游戏引擎的仿真环境，又无法提供逼真的传感器模拟结果，难以匹配真实驾驶场景的需求。

2 RAD 架构

        该论文由华中科技大学与地平线团队联合提出，核心是打造了名为 RAD（Reinforced Autonomous Driving）的端到端自动驾驶训练范式。它创新性地结合 3D 高斯溅射（3DGS）技术构建数字孪生世界，用强化学习后训练突破传统模仿学习的瓶颈，既弥补了模仿学习在安全性和因果推理上的缺陷，又通过模仿学习正则化保证驾驶行为贴合人类习惯，大幅提升了自动驾驶策略的安全性与泛化能力。如下图所示：

2.1 总体架构

        总体架构中主要包括两个方面的内容：

（1）VA端到端架构---下图中的上半部分；

        VA端到端架构通过sensor获取图像信息，通过BEV Encoder得到BEV features，然后通过Perception Head进行解码，得到环境特征；同时Image Encoder通过 sensor获取原始的图像特征，然后再结合Perception Head解码得到的环境特征，输出最终的trajectory或者action。

（2）训练范式---下图中的下半部分；

        训练主要分为三个阶段：

• 感知预训练；
• 规划预训练；
• 强化学习后训练；

2.2 训练流程

        RAD 包括三阶段训练范式，整体设计兼顾感知精度与训练效率，具体如下：

2.3 实验

• 实验设置：构建了由未见过的 3DGS 场景组成的闭环评估基准，将 RAD 与传统模仿学习方法在该基准上进行对比测试，重点评估碰撞率等核心安全指标。同时将 RAD 的端到端策略与主流模块化方案开展闭环性能比对。
• 关键结果：RAD 的综合性能显著优于传统模仿学习方法，其中碰撞率相比后者降低 3 倍，能有效应对无保护左转、行人突发横穿等危险场景。此外，其在轨迹平滑度、与人类驾驶行为的一致性等指标上也表现优异，验证了该范式在安全性和实用性上的优势。

3 总结

        局限性与未来方向该范式目前仍存在部分待优化点：一是 3DGS 环境中其他交通参与者的行为基于场景回放生成，缺乏实时交互响应能力；二是在低光照、欠观测视角等场景下，3DGS 的场景重建效果还有提升空间。后续研究将聚焦提升数字孪生世界的交互真实性，同时探索进一步拓展强化学习的规模效应，持续突破端到端自动驾驶的能力边界。