中新社北京1月24日电 题：AI赛车开创世界纪录背后的“弯道”与“换道”

中新社记者 曾玥

湖南张家界天门山有一条全长10.77公里、垂直落差1100米、拥有99道急弯的盘山公路。2025年，Hitch Open世界AI竞速锦标赛总决赛在此举行，清华大学极限竞速战队的人工智能(AI)赛车以16分10秒838的圈速完赛并夺得总冠军，创造了AI自动驾驶赛车挑战极限山地赛道的世界纪录。

谈及这场AI竞速的“开山之战”，清华大学车辆与运载学院、人工智能学院教授李升波近日接受中新社记者专访时说，“过好每一道弯”的意义远超赛事本身。

2025年10月，清华大学极限竞速战队队员于天门山赛道合影。(清华大学车辆与运载学院供图)

作为竞赛团队的核心指导教师，李升波表示，天门山赛道是一个“复合极限”测试场：山体遮挡导致卫星定位信号频繁中断，传统方式极易失效；陡坡与急弯密集交替，要求AI在毫秒内完成减速、转向、加速的连续精准决策；加之路面湿滑、隧道明暗急剧变化，对传感器的稳定感知和执行器的快速响应提出苛刻要求。

面对挑战，清华团队进行了一系列关键技术攻关。备赛初期，赛车曾因全量加载三维点云地图导致定位频率骤降，过弯时偏离路线。团队提出“跑哪加载哪”的思路，创新开发局部地图动态加载算法，实现超大场景下的实时高精位姿估计。同时，团队通过车云协同、虚实联合的方式采集数据，将每道弯的切入角度、道路坡度、地面摩擦系数等融入模型，使赛车在小偏差范围内平顺过弯。

人们常说“弯道超车”，但李升波对此持审慎态度。他认为，在自动驾驶领域，“弯道超车”往往伴随不可控的高风险，换一条行驶路径稳扎稳打、快速前进才是更有效的策略。

自2018年起，清华大学科研团队前瞻性探索以强化学习为核心的端到端自动驾驶新路径，确立了以仿真数据为主、以实车数据为辅，强化学习与模仿学习相结合的训练路径。李升波表示，与当时行业主流依赖海量实车数据的模仿学习方案相比，这条路径显著降低了训练成本，并使模型具备通过自主探索持续进化的更高潜力。基于此，清华科研团队推出了国内首套全栈神经网络化的端到端自动驾驶系统，为行业提供了原创性技术突破方案。

“天门山之战”的胜利成为对自主技术的极限测试和成功验证。清华大学车辆与运载学院学子、极限竞速战队核心成员吕尧认为，AI算法必须置于真实甚至极限场景中才能充分检验其有效性和鲁棒性。

吕尧表示，“天门山经验”极具现实价值：为应对山区复杂环境的信号遮挡，团队开发的感知-定位融合技术可使车辆依靠自身传感器实现高实时、高精度航迹推算；针对极端场景开发的端到端决策控制算法，能够提升车辆在爆胎、路面突然湿滑等危急情况下的稳定控制能力，为智能驾驶安全上限的提升提供了新思路。

虽然自动驾驶技术正快速发展，但李升波指出，在极限道路工况下，AI的感知、决策、控制能力与人类最高水平仍有显著差距，这为未来教学实践、科技创新、人才培养提供了广阔探索空间。

他将“产学研用”喻为一条河流——高校的前沿探索与人才孵化如同上游活水，源源不断地为中下游产业输送创新技术和新鲜血液。“拓展这条‘河流’的长度和宽度是研究型大学的责任。”李升波说，“如果这些涓涓细流最终能汇入浩瀚大海，那便是我们作为教育者最大的幸福与骄傲。”(完)