日前，百度Apollo首次披露面向物理AI的智能体驱动全模态世界模型Apollo World，并提出世界模型“2+3”判断标准。据介绍，目前，该模型已用于萝卜快跑全球化测试与验证，助力自动驾驶规模化落地。

百度智能驾驶事业群组（IDG）首席架构师、IDG技术委员会主席王亮表示，世界模型不能只做“生成炫酷视频的画师”，更要成为验证无人驾驶安全性的“考官”。萝卜快跑作为端到端技术规模化运行L4无人驾驶的出行平台，端到端全无人运营超百万公里，Apollo World为其提供虚拟训练环境，帮助AI Driver学习、验证和迭代。

“Apollo World将虚拟场景内所有交通参与者建模为具备决策与交互能力的AI智能体，支持无人车在虚拟城市任意起终点通行。”百度智能驾驶事业群组（IDG）杰出架构师、世界模型负责人杨泽进一步介绍。此外，Apollo World的技术栈还可拓展至机器人等更广泛的物理AI场景。

站在物理AI视角，Apollo提出“2+3”判断标准：“2”是决定算不算世界模型的基础门槛，“3”是衡量模型能力高下的进阶指标。

具体而言，“2”项基础门槛：一是因果性，遵循时间单向性，由过去决定未来，基于当前状态预测下一刻，而非拼凑画面反推过去；二是交互性，能动态响应外部干预，注入动作影响未来世界状态。“3”项增益属性：物理准确性，模拟的状态有多可靠，是否符合世界规律，学习获得的能力回到物理世界还能不能用；持久性，持续运行的时间和稳定性能不能跟上，长时间运行物体和细节是否发生漂移；实时性，低时延，生成世界复杂度的增长不影响模型推理时间，获得高模拟测试效率。

在Apollo World构建的虚拟城市中，车辆、行人等交通参与者均被建模为具备决策和交互能力的AI智能体，能够根据周围交通变化调整行动。无人车减速、变道或让行，都可能引发其他参与者的不同反应，使无人驾驶系统在持续变化的交通环境中接受训练与检验。

与此同时，Apollo World可实时生成相机、激光雷达等多模态观测数据，让无人驾驶系统直接感知虚拟环境。系统作出驾驶决策后，环境随之变化，再向系统提供新的反馈，形成端到端闭环。

杨泽表示，行业里不少世界模型仍以独立场景模拟为主，Apollo World则更关注完整任务的闭环模拟。在Apollo World构建的虚拟城市中，无人驾驶车辆能够在不同起终点之间连续行驶，完成从接单、载客到送达的完整出行任务，使萝卜快跑能够在跨路段、跨场景的连续驾驶过程中接受训练与检验。