清华大学智能产业研究院（AIR）的研究团队在自动驾驶与具身智能的交叉研究领域取得突破性进展，其创新成果已被国际顶级人工智能会议NeurIPS 2025正式接收。这项研究首次尝试将人类驾驶员的脑电信号（EEG）认知特征融入自动驾驶模型的训练过程，为提升系统在复杂场景下的决策能力开辟了新路径。
当前，基于视觉的端到端自动驾驶技术虽已成为行业主流，但现有模型多依赖对道路、车辆等视觉特征的标签化训练，难以实现类似人类的具身推理能力。尤其在应对突发状况或复杂交通环境时，系统常因缺乏认知灵活性而暴露安全隐患。如何让自动驾驶系统具备更接近人类驾驶员的认知与判断能力，成为全球科研团队共同面临的挑战。
针对这一难题，研究团队提出“具身认知增强的端到端自动驾驶”方法，并构建了“驾驶－思考”（Driving-Thinking）训练框架。该框架通过采集包含道路视频与同步驾驶员脑电信号的多模态数据，利用通用脑电大模型（LaBraM）提取人类驾驶时的潜在认知特征。随后，采用对比学习技术，使自动驾驶视觉网络在训练中模仿大脑对交通环境的认知反应，从而赋予系统更接近人类的决策模式。
为降低实际应用成本，研究团队设计了独特的两阶段训练策略。第一阶段，模型通过脑电数据进行跨模态学习，获取驾驶认知能力；第二阶段及实际部署时，系统仅需输入车载摄像头视频即可完成决策，无需额外安装脑电采集设备。这种设计巧妙地将人类隐性的认知经验迁移至机器视觉模型中，实现了“零硬件增配”下的性能提升。
实验验证环节，研究团队在公开自动驾驶数据集nuScenes和闭环仿真测试平台Bench2Drive上展开测试。结果显示，引入人类认知特征后，主流端到端自动驾驶模型的规划轨迹误差显著降低，碰撞率相对下降18%至26%。尤其在面对前车突然切入等高风险场景时，增强后的模型展现出更接近人类的防御性驾驶策略，例如提前减速、保持安全距离等。
这项研究首次将人类驾驶认知直接应用于端到端自动驾驶规划任务，为提升系统安全性提供了全新思路。其创新性的跨模态学习框架与低成本部署方案，不仅为自动驾驶技术突破提供了理论支持，也为脑启发人工智能与具身智能领域的交叉研究提供了重要参考。
