文章：WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving
代码：https://github.com/pengxuanyang/WorldRFT
单位：中国科学院自动化研究所多模态人工智能系统国家重点实验室
一、问题背景：纯视觉自动驾驶的"三大痛点"
传统自动驾驶方案要么依赖昂贵的激光雷达，要么需要大量人工标注（比如手动框选车辆、行人），成本高且落地难。而近年来兴起的"潜态世界模型"方案，试图让AI从摄像头画面中自主学习场景信息，实现无标注驾驶，但仍存在三个关键短板：
-
3D空间感知弱：AI学出的场景偏"平面化"，无法精准判断车辆与障碍物的真实距离和位置关系，规划路线时容易"摸不准"；
-
规划逻辑太笼统：一次性生成完整路线，抓不住路口、临近车辆等局部关键信息，路线精度不足；
-
安全意识被动：仅模仿人类司机的行驶轨迹，不会主动避撞，遇到人类没经历过的突发场景就容易"手足无措"。
这些问题导致纯视觉方案的碰撞风险高、实用性不足，难以大规模落地。
二、方法创新：三大核心设计，让AI"会看、会规划、会避撞"
WorldRFT针对痛点提出了三大创新模块，形成"场景理解→规划决策→安全优化"的完整闭环：
-
空间感知编码器（SWE）：给AI装"3D眼睛" 融合视觉几何基础模型VGGT，从普通摄像头画面中提取精准的3D空间信息，不用激光雷达也能搞清楚"谁在哪个位置、离我多远"，解决了纯视觉3D感知弱的问题。
-
分层规划优化器（HPR）：让规划"先抓大局、再抠细节" 不要求AI"一步到位"规划路线，而是拆成三个并行任务：先确定"大概能去的目标区域"（而非固定点，包容不确定性），再画"空间路径"（比如走中间车道），最后补"时间轨迹"（每个时间点该到哪）。同时通过迭代优化，结合路口、临近车辆等局部信息调整路线，兼顾全局合理和细节精准。
-
强化学习微调（RFT）：培养"主动避撞意识" 设计碰撞惩罚机制------规划路线撞车就"扣分"，倒逼AI重视安全；再通过"群体相对优化（GRPO）"，让AI对比多条候选路线的安全性，选最优解。这让AI从"模仿人类"升级为"理解安全规则"，实现主动避撞。
三、实验结果：数据说话，安全性和性能双突破
WorldRFT在两大权威 benchmark 上都取得了顶尖成绩，用数据证明了实力：
-
nuScenes（开放道路测试）： 相比基线模型，碰撞率大幅降低83%（从0.30%降至0.05%），路线偏差减少21%（从0.61米缩至0.48米），成为所有无标注方案中碰撞率最低的模型，甚至超过了部分依赖人工标注的方案。
-
NavSim（封闭仿真测试）： 仅用摄像头输入，综合性能得分（PDMS）达到87.8，接近依赖激光雷达的顶尖方案（88.1）。其中"车道合规性"得分96.8，是所有方案中最高的，说明模型能精准保持在车道内行驶，安全性拉满。
四、优势与局限：看清技术的当下与未来
核心优势
-
低成本易落地：无需激光雷达，也不用复杂人工标注，仅靠摄像头就能实现高安全驾驶，大幅降低研发和量产成本；
-
安全性突出：从被动模仿升级为主动避撞，碰撞率大幅降低，更符合真实道路的安全需求；
-
性能全面：兼顾路线精度、车道合规性、行驶舒适性，综合表现比肩激光雷达方案。
现存局限
-
对数据集标注准确性依赖较高，若数据中存在错误指令（比如左转标成直行），模型可能生成次优路线；
-
极端复杂场景（如恶劣天气、突发障碍物）的应对能力，还需更多真实数据验证；
-
强化学习微调阶段需要较多计算资源，对硬件有一定要求。
五、一句话总结
WorldRFT通过"3D感知+分层规划+安全强化学习"的创新组合，让纯视觉自动驾驶既不用昂贵设备、也不用复杂标注，还能实现主动避撞，为低成本、高安全的自动驾驶落地提供了全新可行路径。