新闻雷峰网今天

百度发布ApolloWorld世界模型，定义L4仿真2+3标准与云端验证体系

百度推出ApolloWorld世界模型，确立因果性与交互性等“2+3”评价标准。该模型支持多模态联合生成与交通参与者动态响应，单日虚拟测试里程等效实车三年，助力端到端L4自动驾驶规模化验证与新城市拓展。

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：世界模型热潮里，百度重新亮出无人驾驶底牌（雷峰网）

核心内容

百度智能驾驶事业群发布ApolloWorld世界模型，旨在解决L4级无人驾驶在开放道路训练中难以复现长尾风险及交互博弈的痛点。针对当前世界模型仅侧重渲染而忽视物理规律的问题，百度提出“2+3”评价体系：基础门槛包含因果性（由过去推导未来）与交互性（环境随动作更新）；好用标准涵盖物理准确性、持久性及实时性。该模型将虚拟道路参与者建模为具备独立目标的AI智能体，能够根据自车行为做出合理反馈，而非简单重放历史轨迹，从而构建出符合物理交互规律的可信试炼场。

技术实现上，ApolloWorld采用多模态联合生成机制，同步产出相机画面与激光雷达点云，并通过数字孪生提供几何约束，确保观测数据的一致性。系统利用文本条件控制天气光照，将驾驶模型决策与环境响应闭环迭代，实现“AI教AI开车”。依托萝卜快跑超3.5亿公里实车数据，该模型将原本依赖实车的验证迁移至云端并行执行，单日虚拟里程等效于一辆安全员实车连续测试三年。目前百度端到端模型全无人运营里程已超百万公里，ApolloWorld有效打破了安全、智能与规模的“不可能三角”，支撑新城市快速部署。

关键看点

2+3评价标准：确立因果性与交互性为基础门槛，以物理准确性、持久性和实时性作为衡量世界模型是否支撑L4训练的核心指标
多模态联合生成：同步生成相机图像与激光雷达点云，结合数字孪生几何约束，确保虚拟传感器数据在时空与物理层面的一致性
交互式智能体建模：将交通参与者建模为有独立目标的AI Agent，能根据自车动作动态调整行为，解决传统仿真重放轨迹无法验证博弈策略的缺陷
云端验证效能：基于3.5亿公里实车数据构建场景，单日虚拟测试里程等效实车三年，支撑端到端L4模型在新城市的低成本快速泛化

工程与产业观察

ApolloWorld标志着L4仿真从“视觉复刻”转向“物理交互验证”。对于具身智能研发而言，其核心价值在于证明了高质量世界模型必须通过因果性与交互性门槛，才能替代昂贵的实车长尾测试。这种将海量实车经验转化为可编辑、可推演虚拟资产的能力，是端到端自动驾驶突破安全瓶颈、实现跨域泛化的关键工程基础设施。