世界引擎：Post-Training開啟Physical AGI新紀元

一年前，DeepSeek R1 橫空出世，人們才意識到，真正讓模型產(chǎn)生推理能力質(zhì)變的，不必是更大的預訓練規(guī)模 —— 后訓練，用強化學習、過程獎勵、閉環(huán)反饋，以極低的代價解鎖了原本需要數(shù)倍算力才能觸達的能力邊界。
這場范式革命，正在物理世界重演。
自動駕駛系統(tǒng)已經(jīng)在海量駕駛數(shù)據(jù)上完成了預訓練，但距離真正的 Physical AGI，仍有一道鴻溝：模型知道 "該怎么開"，卻不知道「為什么這樣開更好」。真正的進化，需要閉環(huán)、需要反饋、需要在與世界的交互中不斷修正。
香港大學李弘揚團隊聯(lián)合華為、上海創(chuàng)智學院給出了他們的答案 —— 世界引擎：以后訓練為核心范式，以閉環(huán)仿真為訓練環(huán)境，驅(qū)動自動駕駛系統(tǒng)在海量真實與合成場景的交互中，涌現(xiàn)出真正的決策能力。

• 代碼地址：https://github.com/OpenDriveLab/WorldEngine
• 主頁：https://opendrivelab.com/WorldEngine/

作為自動駕駛領域的重要學術力量，2022 年底，OpenDriveLab 推出UniAD—— 第一個將感知、預測、規(guī)劃統(tǒng)一在單一框架下的端到端系統(tǒng)，以「規(guī)劃為中心」重新定義了自動駕駛的建模范式，成為學術界公認的里程碑。

但 UniAD 之后，一個更深的問題浮出水面：端到端系統(tǒng)在學術 benchmark 上表現(xiàn)優(yōu)異，真實世界卻是另一回事。

雨夜里逆行的電動車，施工路段突然倒下的錐桶，大客車后方的鬼探頭 —— 這些長尾場景，在訓練數(shù)據(jù)里幾乎不存在。靠更大的數(shù)據(jù)集、更深的網(wǎng)絡，無法根本性地解決。

OpenDriveLab 開始從兩個方向同時推進。一方面，MTGS 通過多次遍歷的 3D 高斯?jié)姙R技術，構建出高保真的可渲染駕駛場景 —— 這是閉環(huán)仿真的物理基礎。另一方面，Nexus、Omega 等世界模型工作聚焦于反事實難例高動態(tài)交互模擬，突破真實數(shù)據(jù)對長尾場景覆蓋的天然局限。

至此，一個核心問題自然浮現(xiàn)：有了高保真仿真環(huán)境，有了能生成難例的世界模型，如何讓端到端系統(tǒng)真正在其中安全進化？

答案，就是后訓練

2025 年 4 月，華為發(fā)布 ADS 4.0，正式披露了全新技術架構 WEWA。其中云端核心World Engine，正是華為與 OpenDriveLab 聯(lián)合開發(fā)的成果。（https://auto.huawei.com/cn/ads）華為將這套架構的目標定義為：面向自動駕駛，從類人到超人。

World Engine，由此登場。

World Engine：邁向物理 AI 的后訓練時代

如果說預訓練讓自動駕駛系統(tǒng)學會了「模仿」，那后訓練要解決的，是如何讓系統(tǒng)學會「判斷」。

World Engine 的設計哲學，正是圍繞這一目標展開。它不是一個單一模型，而是一套完整的后訓練 pipeline，由三個核心能力構成：

• 3DGS 仿真環(huán)境—— 基于 3DGS 構建的高保真視覺輸入，為后訓練提供了真正意義上的閉環(huán)反饋。系統(tǒng)的每一個決策，都能在環(huán)境中得到即時響應，而不是停留在數(shù)據(jù)回放。
• 難例挖掘 & 擴散生成—— 真實世界的長尾場景稀缺且難以復現(xiàn)。World Engine 首先從海量真實駕駛數(shù)據(jù)中主動挖掘難例，再以世界模型為工具，對這些難例進行擴散生成后，依托仿真環(huán)境進行渲染，放大長尾場景的密度與多樣性，讓系統(tǒng)在訓練中「見過」它在路上可能遇到的一切。
• 基于強化學習的后訓練——World Engine 在仿真生成的大規(guī)模難例場景上，以強化學習驅(qū)動系統(tǒng)優(yōu)化，將安全價值規(guī)范內(nèi)化為獎勵信號，讓系統(tǒng)不只是「開得快」，更是「開得對」。

三者協(xié)同，構成了一個完整的飛輪：仿真生成難例，難例驅(qū)動后訓練，后訓練強化決策能力。

圖 1 World Engine 架構總覽

從暴露弱點到超越弱點

三個模塊，一套飛輪。

難例挖掘與擴散生成

World Engine 首先讓模型「自己暴露弱點」。將預訓練好的端到端模型在訓練集上做開環(huán)推理，以 PDMS 作為評判標準，自動篩選出模型表現(xiàn)差的場景 —— 碰撞、偏離道路、自車停滯不前。這些場景，就是模型的能力邊界所在。

挖掘出難例之后，World Engine 并不止步于此。行為世界模型（Behaviour World Model） 以解耦擴散的方式，對這些難例場景進行變體生成 —— 在保持真實地圖拓撲與場景布局的前提下，引入對抗性交通行為，批量合成高密度的安全關鍵場景。真實數(shù)據(jù)的長尾，由此被系統(tǒng)性地放大。

圖 2 難例擴散生成典型 case

高保真閉環(huán)仿真

難例場景需要一個足夠真實的舞臺。World Engine 內(nèi)置了基于3DGS 的場景重建 pipeline—— 融合同一路段的多次真實駕駛記錄，構建出扎根于真實世界的高保真三維場景。這不是憑空生成的虛擬沙盒，而是閉環(huán)訓練的真實物理基礎。

圖 3 高保真閉環(huán)仿真效果圖

基于強化學習的后訓練

有了大規(guī)模難例數(shù)據(jù)，World Engine 以離線強化學習驅(qū)動端到端模型持續(xù)優(yōu)化。獎勵信號將舒適性、避障、道路合規(guī)等安全價值直接內(nèi)化為訓練目標。模型不再只是模仿人類駕駛員，而是在與難例的反復博弈中，學會真正的安全決策。

圖 4 navsim 測試難例集對比

World Engine 發(fā)現(xiàn)了什么？

數(shù)據(jù)量上做加法，不如在訓練范式上做乘法

圖 5 驗證 Data Scaling: 將預訓練數(shù)據(jù)集場景數(shù)量從 12k 增廣至 103k 進行對比

自動駕駛行業(yè)有一個長期信仰：數(shù)據(jù)越多，模型越安全。World Engine 給出了一個更復雜的答案。

將預訓練數(shù)據(jù)從 1.3 萬個場景一路擴大到 10.3 萬個，在日常駕駛場景上，scaling law 如期生效 —— 數(shù)據(jù)越多，表現(xiàn)越好。但在安全關鍵的長尾場景上，曲線很快躺平。原因并不意外：真實路測中危險場景本就極度稀缺，堆再多常規(guī)數(shù)據(jù)，模型在關鍵時刻依然束手無策。

數(shù)據(jù) scaling，在長尾場景這件事上，撞上了天花板。

World Engine 的后訓練給出了另一條路徑：在仿真環(huán)境中以強化學習反復博弈難例場景，將避障、合規(guī)、舒適性直接編碼為優(yōu)化目標，同時確保系統(tǒng)不丟失預訓練階段習得的基礎駕駛能力。從同一個基礎模型出發(fā)，后訓練直接跨越了 scaling 曲線，實現(xiàn)了等效于將預訓練數(shù)據(jù)擴大約 14 倍的閉環(huán)性能增益。

一塊都不能少

后訓練有效，但增益從何而來？World Engine 對自身的三個核心模塊做逐一拆解。

圖 6 navsim 數(shù)據(jù)集上不同訓練后范式對比

光喂數(shù)據(jù)沒用。拿到稀有場景數(shù)據(jù)，模仿學習幾乎不改善閉環(huán)表現(xiàn)。模型學會了「照做」，沒學會「判斷」。強化學習才是那個開關。

練什么比怎么練更重要。同樣是強化學習，在普通場景上練，閉環(huán)成功率反而下降 —— 就像一個學生只刷簡單題，考試遇到難題反而更慌。只有聚焦難例，能力才真正提升。

仿真不是有就行，得「活」起來。當仿真里的其他車輛只是錄像回放，收益有限；當它們開始對自車行為做出反應、甚至主動制造對抗，閉環(huán)成功率從 76% 一路拉到 89% 。World Engine 的行為世界模型，補上的正是這最后一環(huán)。

從仿真到路測：World Engine 的工業(yè)級答卷

學術 benchmark 之外，World Engine 接受了一次更嚴苛的考驗 —— 華為 ADS 系統(tǒng)的工業(yè)級驗證。

基礎模型在超過 8 萬小時真實駕駛數(shù)據(jù)上完成預訓練，覆蓋全國 100 余座城市、逾千萬條駕駛片段。這已經(jīng)是一個極強的起點。World Engine 后訓練在此基礎上繼續(xù)發(fā)力。

工業(yè)閉環(huán)仿真

圖 7 ADS 工業(yè)級閉環(huán)仿真結果對比

團隊利用華為 ADS 的工業(yè)級閉環(huán)仿真平臺對后訓練模型進行了全面評估 —— 超過1 萬個測試場景，累計模擬駕駛里程逾3000 公里，全部為高密度交互的事件性場景，而非平淡的常規(guī)巡航。結果橫跨六項安全指標，全面改善，其中切入碰撞更是下降 45.5%。

實車路測

仿真之后，World Engine 走上了上海真實路面。測試路線涵蓋城市快速路與城區(qū)道路，總計約200 公里，重復測試三次完成。

圖 8 上海市內(nèi)高架測試路線

圖 9 上海市城區(qū)測試路線

測試覆蓋的場景，是城市駕駛中真正讓人驚出冷汗的時刻：夜間施工區(qū)的臨時改道、行人從視覺盲區(qū)橫穿、無保護左轉(zhuǎn)后的施工區(qū)。這些場景的共同特征是 —— 即便是經(jīng)驗豐富的人類駕駛員，也需要高度集中注意力，稍有遲疑就可能出事。

典型實車場景 1

典型實車場景 2

典型實車場景 3

而 World Engine 后訓練模型全程無需人工介入。

Post Training，不止于自動駕駛

World Engine 的故事，從自動駕駛出發(fā)。但它真正想回答的問題，遠不止于此。

回到最核心的洞見：當真實世界無法為你提供足夠的關鍵失敗場景時，就主動去創(chuàng)造它們。在這些失敗中反復博弈，在這些邊界上持續(xù)進化。這個邏輯，和駕駛無關 —— 它是所有 Physical AI 系統(tǒng)共同面臨的根本困境。

Physical AI 與數(shù)字 AI 最本質(zhì)的區(qū)別，在于不可逆性。語言模型說錯一句話，刷新重來；推薦系統(tǒng)給錯一個結果，下一次糾正。但物理世界里，機器人打碎了一個杯子，手術機器人劃錯了一刀，自動駕駛追尾了一輛車 —— 錯誤已經(jīng)發(fā)生，無法撤銷。這意味著，Physical AI 必須在真正上線之前，就已經(jīng) "見過" 那些最危險的時刻。

但現(xiàn)實是，這些最危險的時刻，恰恰是最難收集的數(shù)據(jù)。

這些領域，和自動駕駛面對的是同一個結構性困境：最需要學習的場景，天然地缺席于訓練數(shù)據(jù)。

World Engine 提供的范式正是針對這一困境的系統(tǒng)性回答。具體的技術實現(xiàn)會因領域而異：3DGS 渲染可以換成物理引擎或視頻世界模型，行為世界模型可以換成機械臂動力學仿真或人體運動生成 —— 但核心邏輯不變：不被動等待數(shù)據(jù)，主動生成經(jīng)驗；不只模仿人類，在與世界的博弈中涌現(xiàn)能力。

OpenDriveLab 正在將這條路延伸到更廣闊的具身智能領域。從端到端自動駕駛出發(fā)，走向能在物理世界中感知、推理、行動、進化的通用智能體 —— 這是具身智能研究的終極命題，也是 Physical AGI 真正的意涵所在。

自動駕駛，是這場旅程的第一個戰(zhàn)場。

而 Post-Training，將是 Physical AGI 時代最重要的基礎設施之一。

項目作者簡介

World Engine 由香港大學助理教授、上海創(chuàng)智學院全時導師李弘揚博士與華為蘇鵬博士共同擔任項目負責人，李天羽（上海創(chuàng)智學院）、陳立（香港大學）、王曹俊（上海創(chuàng)智學院）、劉浩晨（南洋理工大學）為項目核心貢獻者，共同主導新范式的研究與實現(xiàn)；蘇鵬博士團隊從產(chǎn)業(yè)視角出發(fā)，推動技術的量產(chǎn)落地與應用部署。