新闻X今天
百度推AI模拟器强化Robotaxi罕见路况应对能力
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Baidu’s new AI simulator gives robotaxis a crash course in rare road hazards（X：百度 Baidu (@Baidu_Inc)（via AIHOT））
核心内容
百度正式推出面向Robotaxi的新一代AI模拟器，核心目标是解决自动驾驶研发中罕见危险场景（Corner Cases）数据匮乏难题。该系统利用生成式AI技术自动化构建极端道路危害场景，替代高风险、高成本的实车碰撞测试，为Apollo RT6等无人车队提供高密度强化学习环境，显著提升算法对长尾突发事件的泛化能力与安全冗余。
技术上，该模拟器采用生成式世界模型动态合成逼真交通流与物理交互，支持对光照、天气及突发障碍物进行参数化编辑，实现毫秒级渲染与物理反馈。系统深度集成于百度自动驾驶研发工具链，支持大规模并行仿真训练，将原本需数月积累的边缘案例压缩至数天完成验证，大幅降低Robotaxi从测试场走向开放道路的边际安全成本。
关键看点
- 生成式场景合成：利用生成式AI自动构建罕见道路危险工况，解决长尾数据稀缺问题，替代高危实车测试
- 强化学习闭环：支持Robotaxi在虚拟环境中进行高频次极端场景对抗训练，加速策略网络收敛与安全边界探索
- 高保真物理仿真：实现毫秒级渲染与精确物理交互反馈，确保模拟训练结果向真实道路部署的有效迁移
- 研发效能提升：通过大规模并行仿真将边缘案例验证周期从月级压缩至天级，显著降低安全验证边际成本
工程与产业观察
该进展标志着具身智能训练范式从“数据采集驱动”向“生成式合成驱动”转型。对于机器人算法工程师，这意味着可利用合成数据低成本攻克长尾安全问题；对产业决策者而言，高保真仿真器是缩短L4级无人驾驶商业化验证周期、降低合规风险的关键基础设施，其技术路径对人形机器人等非结构化环境训练具有直接复用价值。
线索来源：AIHOT
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1来源
本页事实对应的公开页面，以原文为准。