特伦托大学与中山大学联合提出名为 " 风险感知世界模型预测控制 "（RaWMPC）的新框架，使端到端自动驾驶系统无需依赖专家驾驶数据即可做出可靠决策。传统模仿学习方法虽在常规场景中表现良好，但在面对罕见或分布外的长尾场景时，常因缺乏先验经验而失效。RaWMPC 通过构建世界模型并结合鲁棒的风险感知控制策略，在无专家示范的情况下实现安全、泛化能力强的驾驶行为。该方法有望突破当前自动驾驶系统对大规模标注数据的依赖，提升在复杂和未知环境中的可靠性。