贾萧松

贾萧松是复旦大学可信具身智能研究院助理教授。

贾萧松在CARLA仿真中用ThinkTwice做了大量闭环实验，采集了近乎无限的数据，投入100TB存储和大量算力训练更大模型，但驾驶能力并未随数据和模型规模增长从“开得还行”跃迁到“开得完美”。

贾萧松认为模仿学习能让模型从0分做到90分，强化学习去啃剩下的10分，两者并非替代关系；完全从零开始的强化学习收敛极慢。

贾萧松观察到VLA、WAM等引入更强视觉语言能力的模型，在部分自动驾驶基准上并不一定优于充分优化的端到端模型；真正限制模型的是能否做出正确决策，而不是认不认识某个物体。

贾萧松认为如果训练仍以模仿学习为主，换架构并不能绕开模仿学习的固有问题；有价值的方向包括筛选有价值的数据、超越暴力模仿学习、设计更有效的奖励信号、让模型同时强化学习成千上万个技能。

贾萧松认为具身智能比自动驾驶难得多，接触、摩擦、柔性物体难以精确建模，世界模型的幻觉与速度问题同样存在，自动驾驶的方法论可以借鉴但不能认为已解决具身智能的问题。