Momenta R6强化学习大模型是什么？

实验测试实际效果如何？

Momenta R6强化学习大模型是什么？

传祺向往S7在OTA升级4.0版本后，Momenta R6强化学习大模型正式上车，基本原理在于采用了闭环、端到端的数据驱动算法，尤其是深度强化学习技术。简单来说，系统通过海量的真实驾驶场景数据不断自我训练和迭代，像一个经验飞速增长的“老司机”，学习在复杂交通环境中如何感知，如何决策，转化成执行，而不是仅依赖预设的规则。

主要变化包括三方面，首先决策更像人，体验更自然，相比早期版本固定场景的算法，R6通过大模型对驾驶场景的理解更为深刻。能综合考量安全性、舒适性、通行效率等因素，做出更近似人类老司机的平顺决策，例如更线性柔和的刹车力度、更果断安全的变道时机。

第二点就是可以应对更复杂的环境，传统算法对罕见或极端场景处理能力有，比如冬天的雪堆等特殊障碍物，马路上突然出现的加塞等。R6大模型凭借数据驱动学习能力，可以更好地处理没有在代码中明确定义的场景，在复杂环境中也可以交给辅助驾驶。

第三点就是个性化与自适应，新版本引入了可自定义的驾驶风格，比如柔和、标准、敏捷，意味着系统不仅能安全驾驶，还能根据你的偏好调整驾驶策略，这是从单一安全逻辑向个性化舒适体验的提升，就像你突然多了三个老司机辅助，可以根据自己的喜好选择一个，而不是固定的一位。

实验测试

在实际道路与专业场地测试中，R6强化学习大模型表现怎么样？首先是主动安全测试，在专业的AEB自动紧急制动测试中，车辆以60km/h速度直面模拟障碍物（一个假车）。R6可以瞬间识别风险、触发制动，刹车的力道线性稳定，一方面确保车辆在短距离内安全刹停，另一方面避免了车内乘员被急刹冲击。在模拟鬼探头和倒车后方电动车横穿等突发场景下，系统均能完成感知，快速刹车，也就是说，前进后退都不怕。

日常驾驶中，新手司机最怕的就是突发状况，导致手忙脚乱，大脑一片空白，把油门当刹车，在油门防误踩测试中，当检测到前方有障碍物，驾驶员仍猛踩油门时，系统会立即判断为碰撞风险，果断限制动力输出并发出警示，防止因紧张或失误导致的事故。

同时我们也实测了R6大模型的个性化驾驶模式，有柔和、标准、敏捷三种可自定义的驾驶风格。实测中，在拥堵中切换至敏捷风格，车辆变道超车更为果断，应对加塞也比较自然，不会突然一脚刹停；使用柔和风格，转向与加减速都更为平缓，市区跟车更舒适。整个试驾过程中，系统未出现压线、抢道等违规行为，甚至在施工路段也能基于导航提前规划，平顺绕行，不怕违反交通规则。测试中，我们长时间脱手，S7出现三级提醒，如果不接手，还会自动靠边停车，避免对辅助驾驶严重依赖。

停车也是大部分用户的“头大”之处，Momenta R6强化学习大模型面对比车身宽40厘米的窄车位，可以自动折叠后视镜，然后规划路径，一气呵成完成泊入，折叠后视镜也是普通用户倒车时不敢操作的，这是辅助驾驶的优势之一，车内还可以自定义泊车后的车身位置，比如居中/偏左/偏右，比如一边靠墙无法开门，就可以偏向另一边，防止停车到位了，就是下车不容易。

选车侦探观点：简单来说，Momenta的R6模型就是一个经过海量“实战练习”的超级AI司机。以前的自动驾驶系统，像个分工明确的团队，有人看路，有人想路线，有人操作方向盘。而R6就像一个老司机，把看路、想事、操作这些事融会贯通，一气呵成。不是靠死记硬背规则，而是在无数次的驾驶经验中，自己琢磨出了流畅拟人的开车方式。所以传祺向往S7 4.0 OTA后开起来更丝滑，处理突发情况更像人类，能更好地应对那些没见过的复杂路况。这算是自动驾驶技术向老司机思维迈进的一大步。