Muyun

@wisej 现在不算是智驾的从业者了，转到机器人了，做的还是 VLA 的事情。就我个人而言，智驾体感上实力比较强的供应商还是地大华魔这四家，主机厂是理想小鹏，感觉理想转到 VLA 之后声量弱了一点。其他的没有试乘过，不做评价，Tesla 很强，但在中国水土不服，如果能解决数据的问题，应该很厉害的

从我们算法的角度来看，VLA 、World Model 都是一样的东西，都是端到端的架构，这个范式很重要，让自动驾驶真正进入了 data-centric learning-based 迭代。模型需要学的能力核心其实还是这个 VA 模型中，vision 到 action 的映射，而这个映射是从极高维度转移到极低维度（多摄图像是 N * 1280 * 720 这种维度，会过 resize ，看算力大小，但是 action 维度极低，trajectory 就是 N * 个位数这种维度），会导致模型学到很多捷径，比如一直直行我就能 cover 大部分场景，或者一直跟车启停，那模型就偷懒了。所以 Language 和 world model 的加入都是来缓解这个问题

1. VLA 路线：LLM/VLM 有 scaling law ，那么借力打力，拿一个通识能力比较强的模型来提取一些有效的 feature 约束我的 observation -> action 的映射不要学到一些捷径，但大家用过 VLM/LLM 能感受到这些模型的幻觉，所以要把前面这个 Language 用好可能是比较困难的（也可以听张小郡和小鹏新负责人刘先明的 talk ，language 的作用还有待验证和加强）
2. world model：这个东西大家都在做，事实上希望加一个辅助任务，希望能够预测未来。如果能预测未来，那么也能对当下有更好的理解。很多厂商讲的故事更大，想把 world model 用于训练评测，对当下的理解以及对未来的预测是否准确，决定了 world model 是否能作为一个仿真环境去用于训练和评测。就现阶段而言，我觉得能卡掉一部分有问题的模型，也能够初步结合 RL 的范式训起来，但没有达到大家去做这件事的预期。所以 world model 这个路线，现在的用法也可以理解为是一种辅助监督，用于约束 observation -> action 的映射学的更好。至于训练/评测，或许还需要几个技术突破才能达到可用的水平

所以最终回归的还是大家先做基建 infra ，先把 vision-action pair 的数据积累的多多的，上面两个路线同步推进，场景积累的越来越多，大家越来越愿意用智驾，数据回流就能做的越好越好，是一个正循环。所以有积累的主机厂（小鹏、理想等等）+ 比较强的 infra 实力（影子模式之类的）能够在比较短的时候把能力给提上来

最后还是提醒大家城区少用 AD ，你无法预测鬼探头、电动车、路上的盒子塑料袋这些会造成什么影响，生命安全最重要，高速上 AD 做的比较成熟了，在好的工况下（非大雾、大雨、堵车）可以逐步解锁，摸索他的能力，找到人机共驾的感觉

推荐一下从技术上对端到端的一些科普~： https://zhuanlan.zhihu.com/p/684290204

好人一生平安哈哈哈

Beancoun + double-entry-generator ，，每个月一次，强迫症，每次必须平账

ref: https://github.com/deb-sig/double-entry-generator