注意看,这辆黑色小车正在赛道上飞驰。
没有人操控它,没有人给它预设路线。它靠自己“看”路、自己判断、自己加速减速,在遇到弯道时自动减速,在直道上全力冲ci。
而训练出这个“会思考”的AI模型的,是一群学生。
2026年2月2日至8日,为期7天的新东方前途x亚马逊云科技AI自动驾驶寒假实训营在上海落下帷幕。
来自全国各地的学生们走进全球科技巨头,在亚马逊云科技资深导师魏星老师的带领下,完成了从AI小白到能独立训练强化学习模型的蜕变。
“你们觉得自动驾驶最难的是什么?”有人说是识别红绿灯,有人说是避让行人。
“最难的是让车学会‘思考’——不是告诉它每一步怎么走,而是让它自己从失败中学习,找到最优策略。这就是强化学习。”
这正是本次训练营的技术内核。从Day1的云计算基础认知,到Day4的Deep Racer强化学习模块,学员们逐步理解了AI的底层逻辑:云计算提供弹性算力支撑;代码实现遵循确定性逻辑;而机器学习,尤其是强化学习,则让AI在不确定环境中通过"试错-奖励"机制自我进化。
此次实训营中,同学们借助了亚马逊云科技Deep Racer完成学习,其独特之处,在于它将抽象的算法具象化为一场看得见的赛车竞技。
同学们不需要搭建复杂的本地环境,云端一键开启训练,通过日志分析转向频率、速度曲线、奖励收敛情况,在可视化图表中直观理解"凸函数最小值"、"学习率调优"等概念。
理论终须落地。训练营的高潮,是学员们将云端训练好的模型部署到1/18比例的实体赛车上。
"模拟器里跑得行云流水,实车却频频'失控'"——这是所有同学都会撞上的"模拟到现实的鸿沟"(Sim-to-Real Gap)。模拟器中的光线、摩擦力、传感器噪声都是理想化设定,真实世界里一粒灰尘、一道反光,都可能让AI的决策瞬间"失聪"。
调试现场顿时成了问题的修罗场:有人在电脑前疯狂调整参数,有人为"压线过弯"和"保守走线"的策略纠结。 当第yi台小车终于颤颤巍巍完成整圈赛道,欢呼声引爆全场——这一刻,算法的抽象数字变成了轮胎与地面的真实摩擦。
失败在这里不是终点,而是最有价值的训练数据。
微信扫一扫









