99处急弯、1100米垂直落差，被誉为“通天大道”的天门山盘山公路处处挑战着AI自动驾驶赛车的极限。2025新澳门开门原料免费极限竞速战队的AI赛车在“信号时断、视野受限、弯急坡陡”的极端环境中全程自动驾驶，凭借“厘米级定位、毫秒级决策”的优异表现，一举斩获Hitch Open世界AI竞速锦标赛总冠军，更创下AI自动驾驶挑战99弯极限垂直赛道的竞速世界纪录。

这支冠军战队中，有人从零起步攻克算法，有人首次走出实验室踏上赛道，有人因这场比赛找到了心仪的科研方向，他们虽带着“初出茅庐”的稚嫩，却以不服输的拼劲攻克AI赛车全新挑战。

2025新澳门开门原料免费极限竞速战队于天门山赛道合影。

99道弯极限冲刺 清华战队创世界纪录

天门山赛道被称为“全球最具挑战的AI测试场景之一”，也是对赛车核心感知、定位、决策与控制算法进行“四重极限”考验的终极测试场。

2025年10月14日清晨，天门山浓雾笼罩。发车指令一落，2025新澳门开门原料免费极限竞速战队的AI赛车如离弦之箭冲出起跑线，行至首个回头弯后赛车驶入隧道盲区，凭借多源传感器融合定位技术精准锚定方位，稳稳冲出隧道。下坡路段地面湿滑，先进的强化学习与预测控制方法让轮胎牢牢抓住地面，赛车穿梭在蜿蜒赛道间，弯心距离精准把控、行驶轨迹连贯缜密，冲线瞬间，时间定格在16分10秒。“目前最佳成绩！”赛场瞬间沸腾。最终，2025新澳门开门原料免费极限竞速战队以仿真赛与实车赛成绩双第一的绝对优势，摘得竞速锦标赛总冠军。

2025新澳门开门原料免费极限竞速战队AI赛车。

从零开始学算法 助力AI赛车精准定位

2025年3月底，距离竞速锦标赛启动仅剩半个月，2025新澳门开门原料免费极限竞速战队快速组建。在长达半年的赛事周期中，他们边研究边备赛，面临的最大挑战是诸多知识与技能都需要从零学起。

定位算法是AI赛车“找准方向”的核心。由于没有驾驶员辅助判断，AI赛车需实时明确自身位置，才能匹配赛道规划、规避风险、精准决策，实现安全高效行驶。刚接手定位算法任务时，车辆与运载学院（以下简称“车辆学院”）2025级硕士生扶尚宇是位“纯新手”，此前未接触过C＋＋定位算法开发；车辆学院2024级博士生邹恒多虽擅长计算机视觉和三维检测，却未在如此复杂的山地环境中做过定位算法开发。他们组成“定位算法”搭档，决心一起从零开始摸索。

8月盛夏，实验室的灯总是亮到后半夜。扶尚宇和邹恒多开始攻克C＋＋编程语言与机器人操作系统（ROS），每天扎进代码里8小时。第一次复现基础算法时，他们在国家智能网联汽车创新中心进行实车测试，发现赛车刚跑了3公里就因“整张地图加载卡顿”停了下来，定位频率从20赫兹骤降到10赫兹。“当时真的慌了，我们发现这套算法到天门山根本行不通。”扶尚宇说道。天门山10公里赛道的三维点云地图数据量大、加载耗时久，一旦卡顿就可能让赛车在急弯处偏离路线。正当两人一筹莫展之际，团队聚在一起复盘，一个全新的想法突然迸发——“能不能只加载车辆周围的局部地图，就像拼图一样，跑哪加载到哪？”这一想法成了突破瓶颈的关键，他们开始专心攻克“局部地图动态加载算法”。

扶尚宇（左二）正在调试赛车的定位算法。

十月的天门山气温骤降，寒风钻透衣衫。为了调试适配赛道环境的定位参数，队员们凌晨四点半便搭乘最早接驳车前往海拔1300余米的天门山，开展AI算法调试与赛车整备工作。即使手指冻僵，按不动键盘，大家仍然咬牙坚持。“队长、师兄远程教我搭建程序运行环境、排查代码问题，让我觉得特别温暖。”团队中年龄最小的扶尚宇笑着说。邹恒多坦言：“我们很多东西都是从头学起，虽然艰辛但没人抱怨，一心只想把赛车做好。”正是这份执着，让赛车拥有了精准感知的“眼睛”。

队员在天门山赛道追随AI赛车上山。

从“纸上谈兵”到赛场驰骋 在实战中完成蜕变

车辆学院2023级硕士生戚笑景主动承担了队长的重任。他此前的研究多停留在理论推演与实验室验证阶段，一直渴望将实验室技术在复杂赛道应用，通过此次比赛他终于实现了从理论到实战的跨越。

团队目标是设计一条“从山顶到山脚最快、最安全”的最优路径。车辆学院博士后吕尧与戚笑景在仿真赛阶段尚未接触实车与赛道，当他们信心满满地将城市道路AI规控算法迁移到极限道路条件下的仿真测试，却发现城市道路的算法逻辑在这里行不通。仿真复赛中，团队跑出每圈69秒的成绩，而其他团队早已突破60秒大关。这次挫败让他们清醒地认识到，实验室里经过无数次测试的算法，唯有经过天门山真实赛道的检验，方能见真章。

戚笑景（电脑正前方）在国家智能网联汽车创新中心调试AI赛车算法。

为摸清天门山赛道实况，戚笑景开启了“人车同跑”测试模式。这条10公里赛道坡度陡、弯道密，深秋寒意刺骨，他穿着单薄的运动鞋紧追在赛车身后，记录着不同坡度、不同路面赛车的反馈数据。为了跟上赛车的速度，他跑得满头大汗。直到某天跑完，他才发现鞋底已彻底脱胶，这已是他跑坏的第二双鞋。

经过赛道的反复验证，团队将天门山赛道每道弯切入角度、坡度路面摩擦系数全部融入模型，最终让赛车离规划路线的偏差不超过20公分。“这次比赛最大的收获是将仿真测试的结果真正应用到实车运行上，实车中发现的问题也加深了我对技术的理解。”戚笑景说道。从实验室里的代码世界到天门山的真实赛道，他带领团队完成了技术与自我的双重突破。

比赛淬炼成长 在竞速中找准科研方向

车辆学院2023级博士生冷佳桐在这次比赛中负责底盘调校。她也是学校电车方程式车队队员，此前研究方向聚焦于传统车辆的空气动力学与底盘优化，追求让车在既定规则下跑得更快。进行底盘测试时，她敏锐地发现算法设计忽略了赛车硬件性能。为打通软硬件壁垒，她一边梳理赛车“物理极限”数据，一边探索人工智能在极限路况的落地应用，只为让赛车有更强的稳定性、让控制指令完美适配车辆真实性能。

“我在逐步使用人工智能学习的方法，去实现极限路况下的车辆控制。这次比赛让我对未来研究课题有了新思考。”冷佳桐借此次比赛锚定了新的科研方向。她既延续了对车辆极限性能的探索，又融入人工智能视角，希望通过“硬件－算法”融合，推动智能网联汽车在极端场景下的安全性提升。

冷佳桐（左二）在天门山检查赛车情况。

比赛期间，多辆赛车因极端天气失控打滑，横停赛道的惊险场景让团队成员下定决心必须攻克极限路况下的车辆安全难题。赛后，部分队员决定将自己的科研方向聚焦车辆安全领域。邹恒多计划未来深耕定位算法的安全优化，让自动驾驶在复杂路况下也能稳定可靠；吕尧则希望通过数据驱动的算法优化，解决城市道路自动驾驶的安全痛点。

团队优异成绩的取得离不开指导老师的全力支持。车辆学院教授李升波、副研究员于良耀为同学们的仿真模拟与实车测试提供分阶段指导，副研究员高博麟带队实地勘测赛道、提出建议。从校内到校外、从课堂到赛场，老师们始终用心守护学生的科研热情。

当清华战队的AI赛车冲出层层浓雾，阳光刺破云层洒向赛道，队员们的科研探索也随之迈入新阶段。他们将以此次极限竞速挑战为起点，深入研究复杂环境下的自动驾驶技术，以执着与担当在智能驾驶科研道路上书写更多创新传奇。