新闻IT之家今天

百度发布Apollo World世界模型，构建L4端到端仿真闭环

百度Apollo发布智能体驱动全模态世界模型Apollo World，提出“2+3”评估标准。该模型支持多模态数据生成与交互反馈，已在萝卜快跑全球化测试中应用，支撑超3.5亿公里自动驾驶里程的数据飞轮迭代。

AI 整理

仿真与训练
具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：用 AI 教 AI 开车，百度 Apollo World 世界模型亮相（IT之家）

核心内容

百度Apollo在深圳AI Day首发面向物理AI的Apollo World世界模型，旨在解决无人驾驶仿真真实性难题。该模型并非单纯视频生成工具，而是能遵循现实规律、响应无人车动作的智能体驱动环境。目前Apollo World已应用于萝卜快跑全球化测试验证体系，该平台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，覆盖全球28个城市，形成从虚拟演练到真实路测的持续优化闭环。

技术上，Apollo World确立“2+3”标准：基础门槛要求具备因果性与交互性，进阶指标涵盖物理准确性、持久性及实时性。系统内车辆与行人均为具备决策能力的AI智能体，可实时生成相机画面与激光雷达点云等多模态观测数据。驾驶系统根据感知做出转向或加减速决策后，模型动态更新环境状态并生成下一时刻观测，实现感知、决策、行动、反馈的端到端闭环，支持从任意起点到终点的完整出行任务模拟。

关键看点

评估标准：提出世界模型“2+3”体系，基础门槛为因果性与交互性，进阶指标包含物理准确性、长时运行持久性及推理实时性，确保仿真结果可迁移至物理世界。
多模态闭环：支持实时生成相机图像与激光雷达点云，交通参与者为具备决策能力的AI智能体而非固定脚本，实现感知-决策-控制-环境更新的端到端交互闭环。
数据飞轮：从真实数据提取高价值场景转化为可重复虚拟测试，测试结果反哺系统迭代；目前已支撑萝卜快跑超3.5亿公里自动驾驶里程及全球28城规模化落地验证。

工程与产业观察

Apollo World标志着自动驾驶仿真从规则驱动向生成式世界模型演进。其核心价值在于通过智能体交互与多模态生成，解决了Corner Case复现难与Sim-to-Real鸿沟问题。对于具身智能研发，这种基于真实数据提取、支持端到端闭环验证的世界模型范式，是加速算法迭代与降低实车测试成本的关键基础设施，也为机器人操作任务的仿真训练提供了重要参考坐标。