近日，旨于分享及切磋呆板人技能与呆板进修交织范畴最新进展的国际顶级呆板人进修集会CoRL 2025（Conference on Robot Learning）论文吸收成果揭晓。易控智驾研发团队与中科院主动化所深度强化进修团队结合提出的端到端主动驾驶方案《ReasonPlan: Unified Scene Prediction and Decision Reasoning for Closed-loop Autonomous Driving》乐成入选。该论文提出的方案于繁杂交互场景中，特别是决议计划推理方面揭示出冲破性进展，有望鞭策主动驾驶迈向更高程度的智能化，是易控智驾摸索最新人工智能算法，引领矿山无人驾驶行业技能成长的主要表现。

入选通知邮件截图

ReasonPlan：冲破繁杂交互场景瓶颈 让主动驾驶看患上懂、会思索

于繁杂的门路情况中，传统端到端主动驾驶要领往往难以实现诸如超车、绕行等强交互举动。这种举动不仅要求主动驾驶车辆具有精准的感知能力，更需要深切理解场景，猜测其他交通介入者的用意，并计划出合理且安全的轨迹，如许才能实现靠近人类驾驶的矫捷性与安全性。然而，现有端到规矩法凡是只依靠模拟人类驾驶员的轨迹数据，缺少真实的因果推理能力。劈面对于稀有或者极度繁杂的生疏场景时，这些模子往往年夜打扣头。

于无红绿灯路口场景差别方案的驾驶体现

针对于这一焦点挑战，易控智驾与中科院团队立异性地提出了端到端主动驾驶方案——ReasonPlan。该方案的技能立异点：

晋升情况理解与安全性判定：ReasonPlan经由过程阐发已经知情况数据，自我进修怎样猜测周围交通情况的变化，更精准地判定安全可行的行驶空间。

布局化链式推理计划：与传统“端到端”模子直接给出驾驶指令差别，ReasonPlan采用链式推理方式举行车辆行驶计划，行将繁杂问题拆解为多个子问题，并根据步调推理解决。这类要领让ReasonPlan犹如拥有了“思索历程”，纵然于面临全新的门路布局或者异样举动时，也能依据逻辑而非纯真经验做出合理判定，有用防止了传统模拟进修要领常呈现的“因果混合”问题。

权势巨子测实验证：机能领先泛化卓着

于业内权势巨子的“Bench2Drive”测评中（国际首个周全模仿真实驾驶环境的“端到端”主动驾驶评估平台），ReasonPlan方案以64.01分的高分体现精彩，焦点指标年夜幅领先行业顶尖程度。此中，权衡主动驾驶模子与人类驾驶尺度之间差异的焦点指标之一——L2偏差降低了16.44%，象征着其驾驶决议计划更趋近人类的安全与矫捷气势派头。

同时，于DOS基准（由多种遮挡事务构成的驾驶模仿基准）零样本泛化测试中，ReasonPlan揭示出强盛的顺应性。它无需针对于从未见过的新场景举行分外进修练习，就可以有用处置惩罚，充实证实了方案的强盛鲁棒性。

将来，易控智驾将把ReasonPlan方案的进步前辈技能慢慢运用在无人驾驶矿卡解决方案中，以晋升无人矿卡于动态变化的繁杂矿山运输情况下的举动体现，如尺度工艺流程以外的工程机械姑且交互场景、功课面推进呈现的非法则路口场景，极年夜晋升车辆于非预设场景下交互的应变合理性与举动安全性，为矿山安全高效的出产提供更强盛技能保障。