哈啰Robotaxi发布生成式世界模型HelloWorld：用自然语言造驾驶场景

哈啰Robotaxi近日发布了一款生成式驾驶世界模型，取名HelloWorld。它主打按需构建驾驶数据和交互式策略测试，把场景控制、连续生成与高效推理、多传感器观测等能力揉在一处，试图探索世界模型如何服务自动驾驶研发。

自动驾驶长期被长尾场景卡住：真实路测再密集，也很难覆盖横穿行人、突发施工、极端天气这类小概率事件。世界模型的价值，就在于用生成的方式把这些稀罕情境造出来，让算法在虚拟环境里反复试错。

按照官方说法，HelloWorld既支持用自然语言描述需求，也允许直接编辑车辆、行人以及运动轨迹，进而生成对应的多视角视频和激光雷达观测。无论是插入横穿的行人、改一改前车路线，还是把天气切换成雨雪、把时间切到昼夜，研发人员都能围绕具体需求定制场景，补上真实采集难以充分覆盖的长尾空白。

这款模型还提供了另一个建场景的入口：用户描述想要的情境，由应用流程自动拼好相应条件再喂给模型。像施工、密集车流、行人过街这类描述，加上雨雪、大雾、不同光照，都能用来引导生成内容，把搭建复杂场景的门槛降了下来。

对自动驾驶研发来说，生成式世界模型能不能真正派上用场，关键看生成数据的物理一致性和策略测试的可信度。只要虚拟场景足够逼真、可控又可复现，它就有机会把一部分实车测试成本转移到仿真环节，加快算法迭代。HelloWorld的推出，正是这个方向上的又一次尝试。

从技术演进的角度看，生成式世界模型这两年是自动驾驶研发的热门方向。相比传统的场景库和仿真工具，它能用更低的成本批量产出高保真、可交互的测试环境，尤其擅长覆盖那些真实道路上极难复现的极端情况。当然，这类模型也面临不小的质疑：生成的画面再逼真，如果物理规律不够准确，就可能把算法带偏。因此，世界模型的竞争焦点正在从生成得像不像转向生成得对不对，能否保证多传感器数据在时间和空间上的一致性，能否让虚拟测试结果与真实路测相互印证，将决定它究竟是研发提效的工具，还是停留在演示层面的花架子。

文章与图片内容转载网络，如有侵权请联系平台删除