项目背景： 本项目旨在突破传统架构中各模块信息损耗的瓶颈，探索利用统一的深度学习网络，直接将传感器采集的原始数据映射为车辆的控制信号。 核心内容： 大模型算法研发： 参与构建基于多模态大模型的驾驶决策模型，实现感知、预测与规划在单一神经网络内的联合优化，提升系统对复杂交通场景的理解深度。 数据闭环与强化学习： 构建大规模仿真环境与真实世界的闭环训练平台，利用模仿学习与强化学习技术优化驾驶行为，确保护法在长尾场景（极端工况）下的可靠性。 可解释性与安全机制： 研究深度学习模型决策的可解释性方案，并设计安全护栏机制，确保算法输出符合严苛的车规级安全标准。