提到最近清华的AI赛车创造了新纪录，让我想起了北京的一条惊险公路。就在2025年的1月24日，中新社报道说，有一支来自清华大学极限竞速战队的队伍在湖南张家界的天门山赛道上表现特别出色。这个地方有一条10.77公里长的盘山公路，中间还有1100米的巨大落差，而且弯多急弯很多。那时候正举办Hitch Open世界AI竞速锦标赛总决赛，清华的团队在这个困难的环境里跑出了16分10秒838的圈速，把世界记录给刷新了。 这个比赛结束后，清华大学车辆与运载学院和人工智能学院教授李升波接受了中新社记者的专访。他提到，“过好每一道弯”其实比比赛本身更重要。李教授说，天门山赛道非常复杂，山体挡住了卫星信号，让传统定位方法很难用。而且这个地方陡坡和急弯交替出现，要求AI必须在非常短的时间内做出正确的决策。加上路面湿滑、隧道明暗变化快，对传感器和执行器的要求也很高。 为了应对这些挑战，清华团队给赛车做了不少优化。刚开始的时候赛车因为加载三维点云地图时速度变慢导致过弯偏离路线。他们后来想了一个办法：只加载需要的地图数据，不用全部加载。还通过车云协同和虚实结合的方法收集数据，把这些数据用到模型里去训练赛车。这样就能让赛车在小范围内平稳过弯了。 人们常说“弯道超车”，但李教授觉得这在自动驾驶领域不太靠谱。他认为换一条行驶路径更稳当一些。从2018年起清华就开始研究端到端自动驾驶技术了。他们用仿真数据为主，配合少量实车数据进行训练。这种方法比当时主流的模仿学习方案成本低很多，还能让模型通过自主探索不断进步。 这次比赛胜利后吕尧觉得他们的AI算法经过了极限测试验证效果很好。“天门山经验”在实际应用中很有价值。为了处理山区信号遮挡的问题，他们开发了一种感知-定位融合技术让车辆可以靠自己的传感器推算路径；针对极端情况他们还开发了端到端决策控制算法提升危急情况下的控制能力。 虽然技术发展很快但李教授也指出AI在极端环境下的感知、决策和控制能力还有差距呢。这个问题还需要更多探索来解决。“产学研用”就像一条河流一样需要大家共同努力去拓宽它的宽度和长度。“如果这些小河能汇聚成大海那就是教育者最大的幸福了。”李教授说。