用 AI 教 AI 开车，百度 Apollo World 世界模型亮相

AI 总结
• 11月3日，百度在深圳AI Day·Apollo专场披露面向物理AI的全模态世界模型Apollo World，提出“2+3”判断标准，其中“2”指因果性与交互性基础门槛，“3”指物理准确性、持久性与实时性进阶指标。
• Apollo World通过AI智能体驱动虚拟交通参与者，支持生成相机画面与激光雷达点云等多模态数据，实现感知、决策、行动和反馈的端到端闭环，使无人车能在虚拟城市中从任意起点连续行驶至任意终点。
• 该模型将真实数据提取的高价值场景转化为可重复的虚拟测试，助力驾驶策略验证与系统迭代，形成数据飞轮以推动无人驾驶技术持续优化。
• 百度表示，依托Apollo World，萝卜快跑作为以端到端技术规模化运行L4无人驾驶的出行平台，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。

标题：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，今天，在深圳举行的百度 AI Day·Apollo 专场上，百度 Apollo 首次披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World，并提出世界模型“2+3”判断标准。



Apollo World 可以生成一段相对真实的视频



让虚拟世界遵循现实规律、回应无人车的动作，并支持驾驶系统从起点出发，一路开到目的地

据IT之家了解，用于无人驾驶的 Apollo World 不仅要生成逼真的画面，还要准确推演现实世界如何变化。

百度 Apollo 提出了世界模型“2+3”判断标准：
【“2”是基础门槛】
• 因果性：世界模型应当遵循时间的单向性，由过去决定未来，基于当前状态预测下一刻，而不是拼凑画面、反推过去。

• 交互性：能动态响应外部干预，注入动作影响未来世界状态。

【“3”是进阶指标】
• 物理准确性：模拟的状态有多可靠，是否符合世界规律，学习获得的能力回到物理世界还能不能用。

• 持久性：持续运行的时间和稳定性能不能跟上，长时间运行物体和细节是否发生漂移。

• 实时性：低时延，生成世界复杂度的增长不影响模型推理时间，获得高模拟测试效率。

【虚拟城市中的AI智能体】
在 Apollo World 构建的虚拟城市中，车辆、行人等交通参与者都不是按照固定脚本行动的“道具”，而是具备决策和交互能力的 AI 智能体。

例如，面对同样的交通场景，无人车采取不同动作，虚拟世界也会随之发生变化：

[来源链接] https://www.ithome.com/1/021/808.htm