解决特斯拉「监督稀疏」难题，用世界模型放大自动驾驶的Scaling Law

点击下方 卡片 ，关注" 具身智能之心 "公众号 编辑丨 机器之心 >> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区： 具身智能之心知识星球（戳我） ，这里包含所有你想要的! 在自动驾驶领域，VLA 大模型正从学术前沿走向产业落地的 "深水区"。近日，特斯拉（Tesla）在 ICCV 的分享中，就将其面临的核心挑战之一公之于众 —— "监 督 稀 疏" 。 这一问题直指当前 VLA 模型的 "七寸"： 其输入是高维、稠密的视觉信息流，但其监督信号却往往是低维、稀疏的驾驶动作（如路径点）。那么即便使用 PB 级的 海量数据，VLA 模型的巨大潜力也无法被有效释放。 正当业界热议这一瓶颈时，一支来自国内顶尖学术机构与华为合作的团队，已经悄然给出了破解这一难题的 "锦囊"。一篇名为 《DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving》 的新工作，为解决这一 "监督稀疏" 提供了极具洞见的解决方案。该研究提出， 世界模型（World Model）是 解锁 VLA 数据规模定律（D ...