自动驾驶汽车的训练逻辑与人类学车过程存在根本差异。人类驾驶员在犯错中成长，副驾教练的每一次纠正都在重塑驾驶行为；而自动驾驶系统在部署前的海量训练完成后，其知识体系便基本固化，遇到训练数据未覆盖的长尾场景时缺乏自我进化能力。
南洋理工大学Lyu Chen教授及其团队在《自然-通讯》发表的论文《面向自动驾驶车辆多维度提升的人机引导式持续学习》，展示了一种类似学徒制的解决方案。该系统部署后仍可持续学习：车辆自主驾驶时，人类监督者在发现失误后介入纠正，车辆随即从这些干预中提取经验，下次遭遇同类场景时表现优化。
Lyu教授用学徒制类比这一机制：学徒面对新情况时不会推倒已有知识重新学起，而是在既有基础上接受针对性纠正，逐步降低对师傅的依赖。团队设计的系统在灵活吸收新修正与保护既有技能之间寻求平衡。当车辆自身判断与人类操作产生分歧时，算法并非简单覆盖原有策略，而是权衡修正与成熟技能的关系，防止机器学习中常见的灾难性遗忘现象。
将自动驾驶系统迁移至新城市，面临的挑战远超地图数据更新。不同地区的超车规则、让路习惯、变道空间、超越自行车时的限速，都因当地法律与驾驶文化而异。传统方案意味着采集新数据并从底层重新训练大部分模型，这是自动驾驶车队拓展城市数量时不可忽视的成本障碍。
实车验证阶段，车辆在赛道上循环行驶，人类在旁监督并适时介入。经过数轮人工引导纠正后，衡量综合碰撞概率与潜在伤害程度的伦理风险指标，降至初始水平约十分之一。
更关键的结果体现在罕见场景的处理能力上。车辆从少数极端工况的修正中学习后，在面对其他完全未经历过的罕见情境时表现同步提升。Lyu教授指出，这表明系统并非在记忆孤立的案例，而是开始掌握关于安全驾驶的泛化规律——无论场景如何变化，安全抵达目的地、善待其他道路使用者、遵守交通规则的核心任务始终如一。
这项研究同样面临明确边界。如何甄别人类介入的性质是一个尚未解决的难题：自动驾驶判断失误时人类采取更安全操作，这属于有效纠正；但人类驾驶员的行为并不因其生物学属性而天然正确，错误干预如何过滤缺乏可靠机制。在极端紧急状况下，最安全的操作可能是打破规则，例如越过车道标线躲避逆行车辆，而当前系统遵循规则驾驶，尚不具备这种需要更高层面推理能力的决策弹性。
Lyu教授将研发方向聚焦于打破自动驾驶系统离开实验室即停止学习的局限，目标是在整个运行周期内，通过持续接触新环境、获取反馈来持续提升安全性。他将这种持续进化能力界定为系统在现实世界立足的必备条件，并指出该理念可延伸至仓储机器人、居家助手等与人类协作的任何智能体。