世界模型热潮里，百度重新亮出无人驾驶底牌

10月17日，上海徐浦大桥上发生了一起令人揪心的事故，一辆平板货车先撞上了一辆白色小客车，然后车子驶入对向车道，又接连撞了4辆车，事故造成了1死2伤。 事故过后，网络上涌现了很多对于事故全过程的还原和讨论。如果白色小客车没有违规变道，或者货车早点刹车，结果会不会不同？ 现实世界中，人们从亲历的险情、看过的事故中记住一些教训，提升驾驶和决策水平。 而对于需要通过训练规避风险的无人车来说，研究这些问题，需要改变条件、反复比较，却不能在真实道路上重复制造危险。 随着无人驾驶的发展，仿真测试早就在做这部分工作。如今，百度、Waymo等企业都在用世界模型扩展虚拟考场的边界，为无人车创造“重生”机会。 也就是从已有场景出发，改变路况或驾驶动作，推演不同的后续，让系统在不同条件下反复接受检验。 难的是，给无人车一次“重来”的机会，不能只是重置自车动作，还要让周围的车、人、物给出合理回应。怎样的世界模型，才撑得起这样的训练？ 01 世界模型的“重生”，怎样才有用？ AI科学家、World Labs联合创始人李飞飞，曾把汽车比作带轮子的机器人，认为无人驾驶汽车近似在二维的环境里移动的“方盒子”，车要尽量不碰到东西，家务机器人却得主动伸手，才能洗碗、做饭、叠衣服。 从操作任务来看，她认为汽车相对简单，“无人驾驶汽车其实还是挺简单的机器人”。但百度智能驾驶事业群组首席研发架构师王亮博士说： “无人驾驶从来不是具身智能的‘EASY模式’。” 比如谈到L2和L4的区别时，王亮博士拿纪录片《徒手攀岩》举例，辅助驾驶更像有保护的攀岩，容易做出吸引眼球的帅气动作，而L4就像无保护攀岩，中间的巨大鸿沟很难跨越。 无人车驶入开放道路，要不断应对其他车辆和行人难以预判的行动，对安全、实时响应和处理交通冲突的要求也随之提高。在他看来，难点不只在于感知三维空间，更在于驾驶位上没有人能随时接手，系统几乎没有犯错的余地。 真实场景中，车辆并线时，即使旁边有空位，也得看后车让不让。往前探还是先收一脚油，也会影响对方的选择，因为路上不止一辆车在做决定。 研发人员要攻克的问题，就是怎么把这种在真实道路上时刻发生着的你来我往，搬进虚拟世界。 李飞飞将世界模型的功能分为渲染器、模拟器和规划器。开车时，渲染器让车看见路况，模拟器能让你知道往左或往右打方向会发生什么，规划器则帮你决定，为了到达目的地或规避危险该不该打这把方向。 王亮博士认同李飞飞对世界模型的划分，并进一步提出，无人驾驶需要这三项功能配合，其中模拟器是否能合理推演后果尤为重要。 驾驶系统做出动作之后，模拟环境随之变化，把新的路况反馈给系统，让它据此再做下一步决定。比如，如果无人车提前踩了刹车，虚拟道路上的后车也要跟着减速。 如果测试只是把实车记录的路况重放一遍，后车仍会沿原来的轨迹行驶。这样一来，哪怕无人车在仿真里避开了前车的碰撞，也很难判断这脚刹车在