用 AI 教 AI 开车，百度 Apollo World 世界模型亮相

IT之家 11 月 3 日消息，今日，在深圳举办的百度 AI Day·Apollo 专场上，百度 Apollo 首次公开了面向物理 AI 的智能体驱动全模态世界模型 Apollo World，并提出了世界模型“2+3”评估标准。

Apollo World 不仅能生成逼真的画面，还需准确推演现实世界的变化。百度 Apollo 定义了世界模型的“2+3”判断标准：

“2”为基础门槛：

• 因果性：世界模型需遵循时间单向性，由过去决定未来，基于当前状态预测下一刻，而非拼接画面或反推过去。
• 交互性：能动态响应外部干预，通过注入动作影响未来世界状态。

“3”为进阶指标：

• 物理准确性：模拟状态的可靠性，是否符合世界规律，学习能力能否在物理世界中复用。
• 持久性：持续运行的时间和稳定性，长时间运行下物体和细节是否漂移。
• 实时性：低延迟，生成世界复杂度增加不影响模型推理时间，提升模拟测试效率。

在 Apollo World 构建的虚拟城市中，车辆、行人等交通参与者并非按固定脚本行动，而是具备决策和交互能力的 AI 智能体。例如，面对相同交通场景，无人车采取不同动作时，虚拟世界会相应变化。

Apollo World 还能实时生成相机画面、激光雷达点云等多模态观测数据，使无人驾驶系统如同在真实道路上感知环境。驾驶系统据此作出转向、加速或减速等决策，并将动作反馈给 Apollo World，后者随之更新交通环境和其他智能体行为，生成下一时刻的观测。

感知、决策、行动和反馈不断循环，形成端到端闭环。这个闭环不仅限于一个路口或一段道路。Apollo World 支持无人车在虚拟城市中从任意起点驶向任意终点，连续经过不同道路和交通场景，完成从接单、载客到送达的完整出行任务。

Apollo World 从真实数据中提取高价值场景，将复杂路况和风险转化为可重复的虚拟测试。无人车可在虚拟世界中反复演练、验证驾驶策略，测试结果反哺系统迭代，更新后的驾驶系统再回到真实道路接受检验，形成持续优化的闭环，构成一条持续循环的数据飞轮。

百度表示，萝卜快跑是中国唯一以端到端技术规模化运行 L4 无人驾驶的出行平台。数据显示，萝卜快跑已覆盖全球 28 个城市，累计自动驾驶里程超 3.5 亿公里，其中全无人驾驶里程超 2.4 亿公里。目前，Apollo World 已用于萝卜快跑全球化测试与验证，助力无人驾驶规模化落地。通过该技术，开云在线正推动无人驾驶系统在虚拟环境中高效学习与迭代。