百度近期披露其面向无人驾驶的世界模型ApolloWorld，并提出“2+3”世界模型定义与评价标准，试图为物理AI模拟器建立可量化的判断框架。百度智能驾驶事业群组首席研发架构师王亮博士表示，无人驾驶并非具身智能的“简单模式”，L4级无人车驶入开放道路后，系统几乎没有犯错余地，这要求仿真环境能够可信地推演行动后果。
按照百度的定义，“2”指物理AI世界模型的两项基础门槛：一是因果性，即模型须像真实物理世界一样由已知过去推导下一秒状态；二是交互性，即运行中改变动作后环境能随之更新。“3”指三项实用性标准：物理准确性，衡量模拟状态是否可靠、学习获得的能力能否回到物理世界复用；持久性，衡量长时间运行中物体与细节是否发生漂移；实时性，要求低时延，生成世界复杂度的增长不影响模型推理时间。
在技术实现上，ApolloWorld将虚拟道路上的交通参与者建模为具有各自目标、能感知周围变化的AI智能体，其动作会影响无人车的后续决策。模型根据同一时刻路况联合生成相机画面与激光雷达点云，并通过文本等条件控制天气、光照，利用数字孪生提供场景几何结构与外观约束。驾驶模型据此输出油门、刹车或转向动作，与其他交通参与者的响应共同构成世界的下一状态，再送回模型持续推演。
百度展示的演示案例覆盖三类变量：同一地点下无人车选择高架或辅路时，支路车辆作出不同让行或等待决策；同一条路在晴天与雨天条件下，相同初速与制动指令产生不同的刹车距离；以及在香港机场附近万豪酒店至不同目的地的完整行程中，车流密度提升导致交互增多、行程变慢。
与Waymo今年2月公布的世界模型相比，后者主要展示通过改变道路条件生成洪水、龙卷风等罕见场景，未展示完整长段行程；百度的重点则在于其他交通参与者如何回应自车，以及系统如何按设定目的地跑完整段行程，更贴近Robotaxi从接单、接客到送达的实际运营流程。
百度世界模型负责人杨泽介绍，两套模型在云端配合完成测试，经过迭代的驾驶模型再部署到车上，形成AI训练AI的闭环。百度方面同时指出，虚拟考场可以反复出题，但哪些题值得测试仍需在真实道路中寻找答案，尤其当车队驶向道路布局、车流特征和本地驾驶习惯不同的新城市时，测试资源的适配将成为下一阶段的关键问题。
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。
