共计 1100 个字符，预计需要花费 3 分钟才能阅读完成。
连路人都有自己的想法
无人车要规模化, 先得解决真实路测又慢又贵的问题 。百度 Apollo 最新披露世界模型 ApolloWorld, 试图用一座可交互的虚拟城市来训练 L4 系统。官方称, 其一天生成的虚拟路测里程, 约等于一辆配备安全员的真实测试车连续跑三年。
📌 一座会“回应”的虚拟城市
传统仿真多依赖真实数据回放: 周围车辆按原轨迹行驶, 无人车改变策略 , 环境未必跟着变。ApolloWorld 主打“可交互的生成”, 把虚拟车辆、行人建模为有决策能力的 AI 智能体, 使其根据无人车动作调整选择。
比如无人车接近高架入口, 支路车准备汇入 。无人车驶上高架, 支路车可能顺势进入主路; 改走辅路并占据空间, 支路车则可能减速等待。加速、减速、变道都可能改变后续交通演化。
百度展示的是完整 Robotaxi 行程级测试: 在深圳滨海大道、香港机场附近等场景, 多车从同一地点出发驶向不同目的地 , 交通参与者行为、道路变化及相机、激光雷达数据由世界模型持续生成。为实时响应驾驶决策, 百度还用知识蒸馏等方法提升推理速度。
🔍 一天抵三年, 效率怎么来
ApolloWorld 已用于萝卜快跑全球化测试与验证, 把部分真实道路训练搬到云端 。真实路测受车辆、安全员、城市和天气限制, 虚拟测试则可主动组织场景、并行运行。若系统判断失误, 还能保留初始条件复现, 调整周围车辆行为观察差异。
- 缩短等待: 不必等特定交通冲突在现实中偶然出现。
- 便于纠错: 同一场景可重复运行、对照验证。
- 支撑完整任务: 让无人车在连续变化环境中完成整段行程。
配套方面, 百度新一代 L4 端到端模型架构已在国内一定规模车辆上实际运营 , 正逐步替换传统方案。世界模型提供训练验证环境, 驾驶模型反复受考, 再上真实道路。萝卜快跑业务覆盖全球 28 座城市, 这套体系正逢其扩张提速。
💡 世界模型不能只看“像不像”
“世界模型”定义渐宽, 能生成视频、构建三维空间或推演环境变化的技术都可能被归入其中 。但 L4 要的是能用于训练和验证的模型, 画面逼真只是表层。
百度提出“2+3”评价框架:“2”指因果性和交互性, 模型要能根据已知状态推演变化 , 外部动作也要能改变环境;“3”指物理准确性、持久性和实时性。雨天是典型考验: 湿滑路面改变制动距离, 雨滴干扰激光雷达回波, 若虚拟车辆仍按晴天条件行驶, 测试就会失真。
📊 行业观察: 从“生成”走向“可验证”
这说明竞争重点正从展示生成能力, 转向能否服务真实训练与验证 。ApolloWorld 的意义不只在“一天抵三年”的效率数字, 更在于把世界模型拉进 L4 工程坐标系。接下来要看它在更多城市、复杂天气中的表现, 以及虚拟训练能否稳定转化为真实道路的安全运营能力。
