10月13日，哈啰Robotaxi宣布推出生成式驾驶世界模型HelloWorld。该模型面向自动驾驶研发场景，整合场景控制、连续生成、多传感器观测与高效推理能力，旨在通过按需构建驾驶数据与交互式策略测试，探索世界模型服务自动驾驶研发的具体路径。
据官方介绍，HelloWorld支持通过自然语言描述需求，或直接编辑车辆、行人及运动轨迹，生成对应的多视角视频与激光雷达观测。研发人员可以从插入横穿行人、调整前车路线，到切换雨雪与昼夜条件等维度，围绕具体需求构造场景，从而扩展真实道路采集中难以充分覆盖的长尾情境。这一能力对于自动驾驶系统在极端或低频场景下的训练与验证具有实际意义。
该模型还提供了基于自然语言的另一种场景构建入口。用户描述希望生成的情境后，由应用流程组织相应条件并调用模型完成内容生成。施工区域、密集交通、行人过街等场景描述，以及雨雪、雾天和不同光照条件，均可用于引导生成内容。这意味着研发人员无需手动逐项配置参数，即可快速获得符合特定测试目标的驾驶场景数据。
从技术架构看，HelloWorld的核心能力集中在四个层面：场景控制允许对车辆、行人及运动轨迹进行精细化编辑；连续生成支持多帧时序一致的视频与激光雷达观测输出；多传感器观测覆盖视觉与激光雷达等多模态数据；高效推理则保障了模型在研发流程中的可用性。这四个层面的整合，使世界模型不再局限于单一模态或静态场景的生成，而是能够服务于自动驾驶策略的交互式测试。
哈啰Robotaxi此次发布HelloWorld，反映出自动驾驶行业对世界模型关注度的持续提升。近年来，随着端到端自动驾驶方案的推进，行业对高质量、多样化训练数据的需求显著增长。真实道路采集虽然能够提供真实分布的数据，但在长尾场景覆盖上存在天然瓶颈，极端天气、罕见交通冲突等情境难以按需复现。生成式世界模型被视为弥补这一缺口的重要技术路径，通过可控生成扩展训练数据的边界。
目前，多家自动驾驶企业与科技公司均在探索世界模型在驾驶场景中的应用，涵盖场景生成、闭环仿真、策略评估等方向。哈啰Robotaxi此次推出的HelloWorld，将自然语言交互与多传感器生成能力结合，在场景构建的易用性上做出了尝试。其实际效果与在研发流程中的落地深度，仍有待后续披露。
对于自动驾驶研发而言，世界模型的价值最终体现在能否有效提升系统在真实道路上的安全性与泛化能力。HelloWorld能否在哈啰Robotaxi的研发体系中形成闭环，并进一步向行业输出，将是观察其技术成熟度的重要维度。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
