研一刚入学时，导师将我分配到了自动驾驶领域。那时的我，对这个庞大的系统几乎一无所知。感知、预测、规划、控制，大量陌生的论文、数据集和评价指标一下子摆在面前，一时间甚至不知道应该从哪里开始。既然没有捷径，我索性从头学起。我开始一篇篇梳理自动驾驶的发展脉络，从传统的分模块系统，到端到端驾驶，再到后来逐渐兴起的双系统和VLA，慢慢把原本混乱的知识拼成了一张完整的地图。

但“看懂这个领域”和“真正做出东西”，完全是两回事。当时大语言模型和多模态模型快速发展，我想，既然自己对自动驾驶还不够熟悉，能不能先把其他领域已经成熟的技术带进来？于是，我开始尝试做驾驶领域的VLM预训练。最初的工作并不“高级”：广泛搜集数据集、清洗数据、过滤低质量样本、统一数据格式，再一点点搭起数据构造流水线，最后训练自己的驾驶基座模型。这个过程中，我第一次真正意识到，科研很多时候并不是突然想到一个漂亮的idea，而是把一个个不起眼的问题解决掉以后，才慢慢走到那个idea面前。

可是模型做出来以后，效果并不好，距离当时最好的方法还有很大差距。我试过很多方案，最后把目光放在了强化学习和扩散模型上。当时我想做一个“强化认知”的驾驶VLA框架，让模型不只是模仿已有轨迹，而是能够通过奖励进一步优化自己的驾驶行为。问题是，那时扩散模型上的强化学习工作还很少，自动驾驶里更几乎没有现成经验可以照搬。我只能重新去看扩散模型的原理，从采样过程、概率建模一路往下推，再一点点尝试怎样把强化学习真正接进去。

我对那段时间印象很深。五一前已经临近投稿，但模型始终没有调出理想结果，而我也逐渐发现，已经有其他团队开始探索类似的方向。方向可能会被抢，实验又没有真正跑通，那几天其实非常焦虑。五一期间，我几乎一直在反复检查、修改和重跑实验。幸运的是，在一次次失败之后，模型终于真正“work”了。

但故事并没有在第一次投稿时结束。首次投稿后，几位审稿人的评价并不理想。我们重新回头审视整个工作：到底什么才是最重要的贡献？哪些实验没有说清楚？哪些地方只是我们自己觉得合理，却没有真正证明？后来，我们几乎重新写了一遍论文，也补充和整理了大量实验。与此同时，我决定把模型、数据和代码都开放出来，让别人真正能够使用和验证这项工作。最终，这项工作被ICLR接收，开源后也获得了不少同行关注。

这段经历让我第一次真正理解，科研不是“想出一个idea、跑出一个结果、投一篇论文”这么简单。很多时候，它是从不确定中一点点摸索出来的，也是一次次被质疑以后，再重新问自己：这个问题到底值不值得做，我到底有没有把它做好。

随着对自动驾驶领域越来越熟悉，我开始思考另一个更基础的问题：人到底是怎么去理解并学会开车的？我逐渐觉得，人类驾驶并不是单纯地“看见道路，然后输出方向盘和油门”。其中至少有两种能力：一种是感知，我们需要知道车道在哪里、行人在哪里、周围车辆在做什么；另一种是认知，我们还需要理解红绿灯、交通规则、道路标志，以及当前场景意味着什么。真正的驾驶决策，可能正是这两种能力共同作用的结果。受到当时一些多系统模型的启发，我开始尝试构建一个由“理解”和“感知”共同指导规划的驾驶VLA系统。这个想法听起来很自然，但真正开始做以后，我才发现自己此前对感知领域的很多工作并不了解。于是又回到最开始的状态：重新读论文、重新补知识、重新做实验。最终，这一探索在开环和闭环驾驶评测中都取得了较好的效果，相关工作开源后也获得了自动驾驶领域不少研究者的关注。

如果说前半段研一更多是在学习“怎样独立做科研”，那么后半段，我开始慢慢学习另一件事情：怎样和别人一起把事情做成。

这一年里，我和多名学弟学妹一起进行了不少探索。从规划生成统一的驾驶世界模型，到多模态卡路里估计，再到视觉分割，不同课题经常同时推进。有时候白天在调自己的模型，晚上还要一起看实验结果、分析为什么指标没有上去，再讨论下一轮实验怎么改。虽然常常多线程并行到焦头烂额，但这个过程也让我收获了很多。我开始不只是考虑“我的实验怎么做”，而是会去思考怎样把一个问题解释清楚，怎样帮助别人找到研究的切入点，怎样一起把一个模糊的想法变成真正能够验证的工作。目前，这些合作中已有数篇论文被录用，也还有一些工作正在继续推进。

科研之外，我还有一个不同的身份——电信2501班班主任。

刚接触他们时，很多同学其实和研一刚入学时的我有些相似：面对一个陌生的新环境，不知道自己以后要做什么，也不知道现在的选择究竟意味着什么。我会尽可能和每一位同学沟通，了解他们在学习、生活和未来发展上的困惑，也会结合自己的经历给他们一些建议。后来，看着一些同学从刚入学时的懵懂，慢慢找到自己的兴趣和方向，我也越来越觉得，所谓责任并不是一定要做多么宏大的事情，很多时候只是愿意认真听一个人的困惑，在自己能够帮忙的时候多往前走一步。

回过头看，我的研究生生活其实并没有一个从一开始就非常清晰的“规划”。更多的时候，是遇到一个不知道怎么解决的问题，就先去学；实验失败了，就再找原因；发现自己不懂一个方向，就重新把这一块补起来。

从最开始面对自动驾驶时的手足无措，到后来能够提出自己的问题、完成自己的工作，再到和更多同学一起探索，我慢慢建立起了自己的科研节奏：不因为陌生而退缩，也不因为短暂的结果而停下来，而是在一次次试错中把问题想得更清楚，把事情做得更扎实。

对我而言，这段经历最重要的也并不是“进入了哪个领域”，而是在面对一个完全陌生的问题时，逐渐学会了怎样理解它、拆解它、解决它，也学会了怎样与身边的人一起把事情做成。未来，我也希望继续保持这种状态，在科研探索中不断向前，同时承担好属于自己的责任。