原标题：ASTROX全球首发，开创未来出行机器人自动驾驶新范式
近日，星空计划汽车在硅谷全球发布会上，首次亮相其将采用的自动驾驶技术方案——来自星河问途 ASTROX 的 SEWE Advanced Autonomous Brain。
作为面向未来出行机器人打造的新一代自动驾驶系统，SEWE Advanced Autonomous Brain 开创性地以高阶智能驾驶系统为核心，打通智能座舱与智能底盘，构建起从用户意图理解、环境感知决策到车辆动态控制的系统级闭环架构。该方案不仅为汽车从传统交通工具进化为未来出行机器人提供了关键技术支撑，也为自动驾驶能力进一步向具身智能方向泛化预留了广阔空间。
以未来视角重构自动驾驶新范式
当前，行业主流智能驾驶系统大多仍聚焦于驾驶本身。无论是规则时代、端到端时代，还是当下备受关注的 VLA 与 World Model 技术路线，其核心目标本质上仍是解决车辆如何更好地完成自动驾驶任务。输入端主要依赖导航、位姿、GPS、视觉等信息，输出端则集中于轨迹规划和控制信号。
在 ASTROX 看来，这一技术范式仍主要建立在“汽车是交通工具”的前提之上，关注的是交通工具如何实现“无人化”或“零接管”。但伴随智能座舱和智能底盘的快速发展，汽车的本质正在发生变化：它不再只是一个移动载具，而是正在向具备感知、理解、决策、执行和交互能力的未来出行机器人演进。
因此，作为未来出行机器人的决策大脑，自动驾驶系统不能只解决“怎么开车”的问题，更应站在全局视角，重新思考智能驾驶与智能座舱、智能底盘之间的协同关系。只有真正打通座舱交互、驾驶决策与底盘执行，汽车作为未来出行智能体的潜力和优势才有可能被充分释放。
ASTROX 认为，面向未来的智能驾驶系统，至少需要具备三项核心能力：
第一，是具备“自主思想”的能力。系统不仅能够推理、决策，还能够将推理与决策过程以可解释、可视化的方式呈现出来，从而增强用户对智能驾驶系统的理解与信任。
第二，是具备“自主学习”的能力。这种学习不应仅停留在模仿人类老司机的层面。单纯的模仿学习存在明显能力上限，理想的智能驾驶系统应能够像人类一样举一反三，在面对从未见过的复杂场景和 Corner Case 时，依然具备有效应对与持续进化的能力。
第三，是具备“协作人类”的能力。智能驾驶的终极目标不是替代人，而是赋能人，让更多人能够更轻松地享受驾驶乐趣，或更安心地享受沿途风景。基于这一理念，智能驾驶系统需要听懂人类的自然语言，理解驾驶员与其他交通参与者的意图，并充分调动智能底盘能力，满足不同场景下的驾驶需求。
这三项能力背后，意味着智能驾驶系统不应只是一个驾驶辅助工具，而更应像一个类似“贾维斯”的智能大脑：一个有思想的大脑，一个会学习的大脑，一个懂协作、会调度资源的大脑。
这个大脑，正是 SEWE Advanced Autonomous Brain。
SEWE Advanced Autonomous Brain 主要由三大系统构成。
System 1是面向座舱交互的任务理解系统。
该系统通过大语言模型与 AI 智能体，不仅能够精准识别用户语音指令，还能够将自然语言指令拆解为智能驾驶系统可接收、可处理、可执行的具体任务。同时，System 1也为未来接入更多 Skill 能力预留了空间，使车辆能够围绕人类指令完成更复杂的任务。这标志着智能驾驶系统向真正理解现实世界、听懂人类驾驶意图迈出了关键一步。
System 2是以大模型为核心的智能驾驶决策系统。
该系统创新集成了 VLM 模型与端侧世界模型，在保障系统高效运行、满足即时响应需求的同时，实现端侧快速预测与决策，让整体智能驾驶体验更加流畅、自然、聪明。与此同时，System 2引入思维链（CoT）等技术，显著提升智能驾驶推理与决策过程的可解释性，让用户能够更清晰地理解系统如何从感知走向判断，再走向行动。
System 3是面向车辆执行的智能控制系统。
该系统创新性率先采用模型预测控制（MPC），将智能底盘多执行器的协同控制纳入统一优化框架进行集成控制。它不仅能够与 System 2输出的多模态轨迹和控制指令高度适配，更能在车辆动力学强约束条件下，以最优控制解的方式最大限度释放智能底盘的极限性能，也为赛道版智能辅助驾驶、人机共驾等创新体验提供了新的技术可能。
通过三大系统的协同，SEWE Advanced Autonomous Brain 实现了智能座舱、智能驾驶与智能底盘之间的深度融合，为汽车真正进化为未来出行机器人提供了系统级架构支撑。
从第一性原理出发拒绝路线之争
自动驾驶技术路线经历了规则时代、二段式端到端、一段式端到端，再到当下的 VLA 与 World Model。近年来，技术快速迭代，也伴随着大量关于技术路线优劣的争论。面对这些技术路线，ASTROX 选择回到智能驾驶的第一性原理，以持续提升自动驾驶能力上限为目标，坚定选择面向未来的系统级最优解。
在感知层面，从第一性原理出发，系统能够接触到的物理世界越多、获得的信息越全面，最终做出的规划和决策表现就越好。因此，SEWE Advanced Autonomous Brain 在开发之初便优先采用激光雷达版本方案，而非纯视觉方案，从而显著提升系统在恶劣天气、复杂光照等条件下的“能见度”。在近日的硅谷全球发布会上，星空计划汽车与合作伙伴联合开发的一款旗舰级激光雷达产品DHX1，支持最高4320线全彩4K超高清感知，最远测距可达600米，10%反射率下测距仍达400米，可清晰识别300米内的水马、280米内的小动物等细小目标。
在 VLA 与 World Model 的运用和选择上，ASTROX 认为二者在当前阶段并非相互替代关系，而应是相互融合、互为补充的关系。因此，在端侧，SEWE Advanced Autonomous Brain 集成VLM/VLA大模型能力，并搭配轻量化端侧世界模型，以兼顾实时性、泛化能力与决策效率；在云端，则构建以世界模型为核心的数据闭环体系。基于真实物理世界场景，云端世界模型可进行极端长尾场景下的仿真场景生成、未来场景预测和场景补全，并结合强化学习奖励模型，对仿真生成的多模态轨迹进行评价，从而大幅提升模型训练效率与可控性。
这使得 SEWE Advanced Autonomous Brain 不局限于某一单点技术路线，而是通过端侧模型能力、云端世界模型、强化学习与数据闭环的协同，持续拓展自动驾驶系统的能力边界。
为迭代效率引入更多AI Agent
面向自动驾驶系统的持续进化，ASTROX 在云端进一步搭建了 SEWE Self-Evolving Flywheel Framework，即自进化飞轮框架。
该框架通过云端世界模型和强化学习模型，使 SEWE Advanced Autonomous Brain 具备持续自我学习和自我进化的能力。系统不仅能够从真实物理世界中不断吸收高价值场景数据，也能够通过云端世界模型进行更复杂、更极端场景的仿真训练，从而学习真实世界中的物理交互规律，并在持续迭代中提升复杂场景应对能力。
与此同时，ASTROX 在整个数据闭环中量身定制了一整套 AI Agent 引擎，包括高价值数据自动挖掘、自动化数据标注、融合检索增强生成等能力。通过将多类 AI Agent 接入数据闭环工作流，系统能够显著提升从数据发现、数据处理、数据理解到模型训练的全链路效率，大幅加速 SEWE Advanced Autonomous Brain 的自我进化与版本迭代。
对于下一代智能驾驶系统而言，数据闭环效率正在成为决定系统进化速度的关键变量。ASTROX 通过世界模型、强化学习与 AI Agent 的深度结合，正在构建一套面向未来的自动驾驶自进化基础设施。
SEWE Advanced Autonomous Brain 背后的研发团队
SEWE Advanced Autonomous Brain 的背后，是星河问途 ASTROX 在人工智能与自动驾驶领域的长期技术积累。
星河问途 ASTROX 核心团队源自国内自动驾驶第一梯队，拥有从算法、系统到产品的全栈技术能力，以及规模化量产的实战经验。团队在自动驾驶算法研发、系统解决方案搭建、高阶智能驾驶工程化落地等领域具备深厚积累。星河问途总裁孙晓龙长期深耕自动驾驶行业，主导完成了多项从0到1的突破性工作，包括业内领先的 BEV 感知算法、VLM / VLA 大模型等，成功助力多家主机厂的高阶智能辅助驾驶系统进入行业第一梯队。
从算法到系统，从系统到产品，从产品到未来出行机器人架构，ASTROX 团队正在以全栈技术能力和工程化落地经验，推动自动驾驶从单一驾驶功能竞争，迈向多系统协同、智能化决策与持续自我进化的新阶段。面向未来，ASTROX 将持续推动 SEWE Advanced Autonomous Brain 在高阶智能驾驶领域的技术迭代与场景落地，助力汽车从传统交通工具进化为真正具备感知、理解、决策、执行与协作能力的未来出行机器人。
热门跟贴