课程首页 › M0 · 理论地基
高阶内容
0.12 · 驾驶强化学习 · Roach / CaRL / RAD / DriveZero · 深度拆解
M3.6 证明了模仿学习无法超越示范者，M4 亲手用 PPO 越过了它。这一篇回答 M4 没有回答的问题：真实驾驶的 RL 到底在什么环境里训、奖励怎么写、怎么规模化——以及为什么 2026 年各家发布会上都开始说"强化学习"。
这一节包括
- 2026 年，"强化学习"成了发布会关键词
- 每一篇驾驶 RL 论文，都在回答这四个问题
- 五年，四代
- 先训一个会作弊的老师
- 奖励越简单，越能规模化
- 把 RL 搬进真实街道的数字孪生
- 2026：规模化，以及 RL 进入 VLA
- 读完回到M4
开通全部高阶课
一次开通，以下内容全部打开：
- M0 后半（VLA 综述、世界模型、OpenVLA、占据网络、驾驶强化学习、2026 前沿）
- M2 的 2.4–2.7，以及 M3–M7 全部正文与配套代码
- 以后新增的高阶课自动包含，不再另收费
¥128一次
微信
20USDT
TRC20 · 自动核验
免费交作业
2.3 训练日志 · 人工审核
先注册一个账号（邮箱 + 密码），系统给你分配读者编号，再选一种方式开通。
开通后仅供本人学习：页面带读者编号，同一账号最多同时登录 3 台设备。转售、共享账号会被停用且不退款。 开通 7 天内、且没有异常访问，可以邮件 [email protected] 申请全额退款。