新闻量子位今天

百度发布ApolloWorld世界模型：多智能体交互仿真，日测里程抵实车三年

百度Apollo发布世界模型ApolloWorld，采用多智能体驱动实现完整行程级交互式仿真。该系统已用于萝卜快跑全球化验证，单日虚拟路测里程等效实车三年，配合“2+3”评价框架解决L4长尾场景复现难题，加速端到端模型迭代。

AI 整理

仿真与训练
数据与采集
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：百度无人车搞出“黑客帝国”！世界模型实时推演全局，跑一天抵三年（量子位）

核心内容

百度Apollo正式发布世界模型ApolloWorld并投入萝卜快跑全球化测试验证，旨在解决L4无人驾驶规模化路测效率瓶颈。该系统通过AI构建持续变化的虚拟交通环境，支持无人车完成完整Robotaxi行程交互。据官方披露，ApolloWorld单日虚拟路测里程相当于一辆配备安全员的真实测试车连续行驶约三年，大幅降低了对百辆级车队耗时两月以上实地验证的依赖，支撑新一代L4端到端模型在国内规模车辆上的实际运营替换。

技术上，ApolloWorld采用多智能体驱动方案，将交通参与者建模为具备独立决策能力的AI智能体，实现因果性与交互性闭环，克服了传统非响应式回放仿真的局限。系统融合智能体交互建模、多视角多模态生成及知识蒸馏技术，确保实时响应与物理准确性。百度提出面向物理AI的“2+3”评价框架（因果性、交互性+物理准确性、持久性、实时性），依托3.5亿公里实车数据与28城运营经验，精准复现如洒水车冲移锥筒等难以预设的长尾场景，形成“用AI教AI”的数据飞轮。

关键看点

仿真效率跃升：ApolloWorld单日虚拟路测里程等效实车安全员测试三年，支持并行计算验证，替代原本需百辆车耗时两月的实地测试任务
多智能体交互：摒弃非响应式回放，将车辆行人建模为独立决策智能体，根据无人车动作实时调整行为，实现完整行程级动态博弈仿真
2+3评价框架：确立因果性、交互性及物理准确性、持久性、实时性标准，确保虚拟环境符合L4物理规律，避免纯视觉生成的训练失效
长尾场景复现：基于3.5亿公里实车数据沉淀，可重构洒水车冲移锥筒等偶发高危场景，支持初始条件锁定与变量调整，实现Corner Case标准化验证

工程与产业观察

ApolloWorld标志着自动驾驶仿真从“视觉渲染”迈向“物理交互”新阶段。其核心价值在于建立了L4级世界模型的工程化评价标准，将海量实车运营数据转化为可交互、可复现的训练资产。对于具身智能研发而言，这种“数据-仿真-部署”闭环是突破长尾问题、降低边际验证成本的关键路径，也为机器人通用世界模型构建提供了可参考的物理一致性范式。