爱游戏,爱游戏体育,爱游戏平台,爱游戏娱乐,爱游戏官网,爱游戏官方网站,爱游戏豪礼,ayx爱游戏,爱游戏娱乐网,爱游戏app,爱游戏app体育,爱游戏AYX官方网站,爱游戏app官网,爱游戏官方网站我们早在2020年就已意识到基于强化学习实现超越人类驾驶能力的重要性，同年，小马智行世界模型（PonyWorld ）就开始开发，通过构建高真实性的训练环境和行为评估标准，融合了高保真模拟、长尾场景复现能力以及基于人工智能自我学习的奖励评估机制，最终真正实现了无监督、自我演进的闭环训练，为我们规模化落地，构建核心壁垒的关键技术。世界模型每周可生成100亿公里的测试数据，其中超过99%的数据是自动驾驶车辆与交通参与者强交互的数据，可以帮助虚拟司机自我演进和模型训练，实现超过人类的表现。近年来，整个自动驾驶与机器人行业正逐步向世界模型（World Model）方向汇聚，这也验证了我们当年所采用的技术路径的前瞻性。

　　之前也有问题提到过远程协助，我再详细解释一下。首先，远程协助从不通过方向盘或踏板远程操控车辆，而是在车辆发起服务请求时，由远程人员提供支持与建议。大多数时间我们的车辆都能独立决策驾驶，不需要远程协助；远程协助只在车辆主动请求时才会介入，而不是远程“开车”。即便车辆收到远程人员提供的建议，车载自动驾驶系统仍会基于实时状况做出及时的决策。因为车辆不会等待远程指令才行动，所以它能在不依赖网络时延的情况下保持安全运行。一个典型例子是临时交通管制：系统可能请求远程协助，远程人员提供高层级建议，帮助确认车辆通过该场景的策略。同时，正如我提到的，我们将持续优化 AI 算法，运用更强的通用 AI 能力以提升对复杂场景的理解，从而进一步提升远程协助效率，使远程协助人车比在年末时提升到约 1:30，希望这能回答你的问题。