百度Apollo发布世界模型ApolloWorld，用于萝卜快跑虚拟路测
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载虚拟路测三年抵一天
百度Apollo推出世界模型ApolloWorld，用于构建虚拟交通环境。该模型让无人车在虚拟环境中完成完整的Robotaxi行程，而非片段式测试。据百度介绍，ApolloWorld一天生成的虚拟路测里程，约等于真实测试车三年的行驶里程。这一效率提升源于模型对交通参与者的智能体化建模：每个虚拟车辆和行人被建模为AI智能体，能根据无人车的动作自行调整行为，形成动态交互。传统仿真依赖真实道路数据的非响应式回放，环境不随策略调整，而ApolloWorld通过多智能体驱动方案，使虚拟环境具备响应能力。系统结合智能体交互建模、多视角多模态生成与完整驾驶闭环，支持设置稀疏、适中或密集车流及不同驾驶风格，从而模拟多样交通场景。
端到端模型逐步替换旧方案
百度新一代L4端到端模型已在国内一定规模车辆上运营，新架构正逐步替换此前的传统方案。这一技术迭代与ApolloWorld的虚拟测试能力形成配合：端到端模型需要大量场景验证，而世界模型提供了高效、可复现的测试环境。在ApolloWorld中，驾驶系统出错时可保留相同初始条件复现，并调整周围车辆行为，便于定位问题。百度采用知识蒸馏等方法加快推理，使虚拟环境实时响应，满足闭环测试的时效要求。该模型已用于萝卜快跑的全球化测试与验证，展示完整行程级虚拟路测，覆盖深圳滨海大道、香港机场等场景，体现了从国内运营到海外验证的延伸。
覆盖28城支撑全球验证
萝卜快跑业务覆盖全球28座城市，ApolloWorld的虚拟测试能力为其全球化测试与验证提供支持。在虚拟环境中完成完整Robotaxi行程，意味着测试不再局限于单一场景或短距离回放，而是覆盖从起点到终点的全流程。系统可设置不同车流密度和驾驶风格，模拟稀疏、适中或密集交通，帮助无人车适应各地差异化的道路条件。对于读者而言，这意味着无人驾驶技术的验证方式正从依赖真实道路里程，转向虚实结合的规模化测试，有望加速技术迭代和落地进程。百度通过世界模型与端到端模型的结合，展示了从虚拟测试到实际运营的技术闭环。
为什么值得看
世界模型把路测从实车道路搬到云端并行，若效率数据成立，将直接影响无人车全球化扩张的验证成本。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。