飞行的诱惑与落地的焦虑：从强化学习看小鹏的“陆地航母”

如果让我用一个比喻描述做强化学习的感觉，大概就是——你训练了一个agent，在仿真环境里跑得风生水起，分数刷到天花板，可一旦把它放到真实机器人上，它就变成了一头撞墙的笨驴。仿真和现实之间的那道鸿沟，我们叫sim-to-real gap。而小鹏汽车今天宣布的“飞行汽车量产”，本质上是在跨一道更大的沟：从概念到产品，从PPT到交付，从“能飞”到“安全地飞”。

作为实验室里天天为论文发愁的博士生，我盯着这个新闻第一反应不是兴奋，是一种复杂的嫉妒。凭什么他们能这么快就落地？我们还在为0.1%的奖励函数精度调参，人家已经把“陆地航母”的订单收到7000+了。但冷静下来，我更想知道的是：这个“量产”到底意味着什么，以及它背后的技术逻辑，是否和我们做强化学习面临的问题有某种深层相似。

从“能飞”到“量产”的sim-to-real gap

小鹏说“将在今年实现首款飞行汽车量产”，这句话里最重的词不是“飞行”，而是“量产”。飞行汽车这个概念，过去十年我看到过无数demo视频，从谷歌的Larry Page投资的Kitty Hawk到国内各种初创公司的载人无人机，但最终都卡在量产这个环节上。原因很简单：飞行器对安全性的要求是几何级数高于汽车的。汽车抛锚可以停在路边，飞行器抛锚只能祈祷降落伞。

我的导师常说，强化学习在机器人领域最大的问题是“安全探索”——你让一个agent在仿真里随便摔，它不会死，但在真实世界里，一次失败可能就报废一台硬件。小鹏的飞行汽车要量产，意味着他们必须解决“在真实环境中，用有限测试数据，保证极低故障率”的问题。这本质上是一个约束下的优化问题，而且是硬约束——不能出错。

从他们公开的信息看，两大产品体系“陆地航母”和“个人低空”分别对应不同的场景。前者更像是带飞行功能的豪华SUV，后者是单人飞行器。这种分层很有工程思维：先做容错率高的多旋翼/复合翼构型，配合地面车辆作为移动平台，降低单次飞行任务的风险。这让我想到强化学习里的课程学习（curriculum learning）——先解决简单任务，再逐步提升难度。

7000个订单：是验证还是赌注？

[!note]

7000个订单，对于汽车行业来说不算什么，但对于一个尚未有成熟量产先例的飞行汽车品类，这个数字已经足够让整个行业侧目。

但我要问一个研究者通常会问的问题：这些订单的转化率预期是多少？是意向金还是全款？用户的真实需求是什么，是“酷”还是“有用”？如果飞行汽车最终被证明只是有钱人的大玩具，那这个市场天花板可能比想象中低得多。

从我的视角看，小鹏这一步更像是用量产制造数据飞轮。强化学习里，一个算法要真正好用，需要大量真实环境中的交互数据。飞行汽车如果只是小批量定制，永远无法积累足够多的飞行数据来优化自动驾驶系统。而量产，意味着每一台车、每一次飞行都在产生数据，这些数据反过来可以训练更安全的飞行控制算法。这和我实验室里用仿真数据训练策略，然后部署到真实机器人上收集数据，再迭代训练的思路如出一辙。

所以，小鹏的真正赌注或许不是“卖飞行汽车赚钱”，而是“通过飞行汽车获得低空域自动驾驶的真实数据，反哺到后续的飞行器研发和地面自动驾驶系统”。这就像我们做强化学习时，先花大量时间搭一个漂亮的仿真环境，再部署agent，但最终目的是让agent在真实世界中表现优异。

学术圈的“卷”与产业界的“快”

读博这几年，最深的感受是“焦虑与落差”。我们实验室每周组会，大家汇报的都是“这周我在论文里把某个算法改进了0.5%”，而小鹏的工程师可能已经在测试飞行汽车的环境适应性了。产业界对“落地”的执着，和学术界对“novelty”的追逐，有时候像两个平行世界。

但换个角度想，没有学术界在强化学习、控制理论、传感器融合等领域的长期积累，小鹏也不可能这么快走到量产这一步。比如飞行汽车的姿态控制、避障算法、冗余设计，都离不开强化学习和最优控制的最新成果。我导师最近在做一个项目，就是利用强化学习优化eVTOL在低空紊流中的飞行策略，标题就叫“Learning to Fly in Gusty Urban Environments”。这篇文章可能很快被顶会接收，但真正的工程化落地，还得靠小鹏这样的公司。

最后的一个技术质疑

我忍不住想提一个具体的问题：飞行汽车在低空域的“evasion”行为如何保证？城市低空环境复杂，有高楼、无人机、鸟类，飞行器需要具备类似自动驾驶的感知和决策能力。小鹏在汽车领域已经积累了XNGP，但飞行环境的三维自由度更高，动态障碍物更多，而且不能像地面车辆一样靠“停”来避险。他们的算法是直接迁移汽车感知模型，还是做了专门的飞行器大模型？这决定了“量产”的飞行汽车是否真的安全，而不只是“能飞”。

我期待着看到小鹏的技术细节，也会默默关注他们的试飞事故率。毕竟，对于强化学习研究者来说，最怕的就是——你训练了1000个episode都没有问题，但第1001个episode，agent就炸了。

原文链接：https://www.ithome.com/0/977/766.htm