新闻/雷峰网·9 天前

复旦贾萧松：具身智能瓶颈非架构，Think2Drive隐空间RL降本增效

复旦大学贾萧松指出VLA/WAM架构并非当前瓶颈，核心在于训练范式。其Think2Drive在潜在空间模拟交互，单卡A6000三天完成CARLA策略训练；提出“模仿学习打底+强化学习突破”范式，解决数据相关性陷阱与决策优化难题。

AI 整理

• 仿真与训练
• 具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：复旦贾萧松：VLA、WAM新架构层出不穷，但真正的瓶颈不在模型架构 | 世界模型50人（雷峰网）

核心内容

复旦大学可信具身智能研究院助理教授贾萧松基于自动驾驶研究经验，指出当前具身智能真正的瓶颈不在VLA或WAM模型架构，而在模块间信息损耗与训练目标错位。其团队提出的Think2Drive通过轻量化世界模型在低维潜在空间模拟交互，大幅降低强化学习试错成本，仅用一张NVIDIA A6000 GPU在三天内即训练出通过CARLA Leaderboard 2.0复杂任务的策略，验证了隐空间RL在具身决策中的高效性。

针对模仿学习（IL）的数据规模陷阱，贾萧松证实即便拥有近乎无限的仿真数据，IL仍因优化行为相似度而非决策质量导致性能天花板，且易陷入平均动作拟合与错误恢复缺失困境。他提出“先模仿后强化”的两阶段范式：IL负责从0到90分的基础能力获取，RL解决剩余10分的长尾决策优化。该思路已延伸至GuidedVLA研究，强调中间任务作为监督信号的重要性，并主张端到端系统仍需外挂规则Harness保障安全底线。

关键看点

• 隐空间RL效率：Think2Drive在潜在空间并行运行1000-2000个环境，单张A6000 GPU耗时3天完成CARLA复杂驾驶策略训练
• IL数据陷阱：实验证实模仿学习受限于行为拟合目标，无限数据下仍无法完美习得红灯停等规则，易收敛于平均动作
• 两阶段训练范式：确立模仿学习构建基础能力、强化学习突破决策上限的路径，解决纯RL冷启动难与IL天花板问题
• 中间任务价值：明确端到端模型中检测/预测分支核心作用是提供稠密监督信号，而非单纯追求可解释性

工程与产业观察

该研究揭示了具身智能从“大模型架构竞赛”向“训练范式深水区”转型的关键节点。对于算法工程师而言，单纯堆叠VLA参数或数据量可能遭遇边际收益递减，应重视潜在空间仿真加速RL探索、设计有效的中间监督信号以及构建IL+RL混合训练流。这为灵巧操作等数据稀缺场景提供了低成本策略迭代的方法论参考，也提醒产业界在追求端到端时不可忽视安全规则的外挂约束。

来源

本页事实对应的公开页面，以原文为准。

1. 雷峰网：复旦贾萧松：VLA、WAM新架构层出不穷，但真正的瓶颈不在模型架构 | 世界模型50人访问 2026-10-19