Percept-WAM：真正看懂世界自动驾驶大脑，感知到行动一体化模型_汽车资讯

Percept-WAM：真正看懂世界自动驾驶大脑，感知到行动一体化模型

创始人

2025-12-11 10:32:27

0次

在过去几年，自动驾驶圈流行一句话：「大模型会说话，但不会开车。」

一方面，大规模视觉语言模型（VLM）在文本理解和逻辑推理上突飞猛进；另一方面，一旦把它们放到真实道路上，让它们处理长尾场景、远距离目标和复杂博弈时，这些 “聪明大脑” 却常常犯低级错误：看不清、定位不准、反应不稳定。深层原因在于 ——现有 VLM 在空间感知和几何理解上的能力，远远跟不上它们在语义层面的 “表达能力”。

为了让大模型真的能 “看懂世界”，在很多现有方案中，研究者会在训练中加入一些 “感知类 QA” 问题，比如问 “左前方有没有车”“两车距离有多远”。但这类监督更多停留在语义标签和粗略相对关系层面，并没有让模型真正学会可用于控制决策的强 2D/3D 感知能力 —— 例如精确、稳定的检测框、分割结果和 BEV 感知信息。换句话说，今天很多 VLA 仍然停留在「会回答关于世界的问题」，而不是「真的看清这个世界」。这种 “弱感知的大模型”，显然不足以支撑自动驾驶和广义具身智能对空间理解的高要求。

近日，来自引望智能与复旦大学的研究团队联合提出了一个面向自动驾驶的新一代大模型 ——Percept-WAM（Perception-Enhanced World–Awareness–Action Model）。该模型旨在在一个统一的大模型中，将「看见世界（Perception）」「理解世界（World–Awareness）」和「驱动车辆行动（Action）」真正打通，形成一条从感知到决策的完整链路。

大脑 Action Percept-WAM 模型远距离 World 行动一体化自动世界复旦大学语义

上一篇：新紫光集团在重庆成立科技公司，含智能无人飞行器业务

下一篇：油车逆袭电车？新迈腾B9的智能副驾太顶了！

Percept-WAM：真正看懂世界自动驾驶大脑，感知到行动一体化模型

相关内容

热门资讯