“智能导航的发展、趋势和建议——从DeepSeek谈起”武汉大学卫星导航中心新春内部学术报告深度分享

作者 | BRAIN实验室

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号

>> 点击进入→ 3D视觉之心技术交流群

世界知识指的是大模型通过大数据训练后所掌握的各种信息，涵盖广泛的主题，如历史、科学、文化、地理等。这其中也包括相当程度的专业知识，尤其是对空间的基本认知。经过合适的实验以及精准的提示，现有的大模型就能够开展导航任务规划。当然，相比于在视觉感知、语言理解和时间序列处理方面所展现的惊人效果，目前大模型的空间推理能力明显不足。要想让智能体具有类人的空间推理能力，还需要在现有大模型的基础上开展技术创新。

自动驾驶是智能导航的重要体现。下面主要回顾自动驾驶发展的几个代表性技术阶段，包括分模块自动驾驶阶段、分网络自动驾驶阶段、分阶段端对端阶段和生成式端对端阶段。端对端驾驶将传感器数据与非传感器数据统一接入，通过大模型直接生成最终的路径预测、驾驶决策与控制指令，并能基于大模型开展驾驶评估，已经成为当前自动驾驶主流且必然的方案。从中我们可以看到几个主要的技术趋势，即（1）语言变成了一种传感器；（2）多模态数据统一感知与统一表示；（3）隐式的地图；（4）面向任务的评价。

在端对端技术的进逼下，SLAM何去何从成为一个非常值得关注的问题。从导航任务的角度看，传统仅提供自身位姿和简单地图信息的SLAM，已无法满足智能导航需求。SLAM作为一个感知器，要在场景感知与理解方面朝着越来越精准、精细、高效且可解释的方向发展，要更加积极主动地感知动态环境和动态目标，感知物体级和场景级的语义。SLAM和大模型现在也结合且互相促进，体现出很多新的发展趋势。SLAM作为一个感知器需要和其他规划模块组合，才能最终服务于导航，这就与端对端方案形成了明显的技术路线差异。虽然在自动驾驶领域已经普遍认为“SLAM已死”，但这两种技术真正的决战还未开始，最终的战场将在具身智能领域。