2. 自动驾驶基础
自动驾驶系统并不是一个“端到端黑箱”就能完全解释的工程对象。为了便于研发、测试、归因和迭代，业界通常把它拆解为感知、预测、规划、控制四大功能模块，并在其上叠加地图、定位、仿真、数据闭环等基础设施。理解这四个模块的输入输出关系，是理解世界模型为何重要、以及它应该被放在哪一层的前提。
一、四大模块的核心职责与数据流
从信号链角度看，自动驾驶是一条从原始传感器信号到车辆执行指令的连续数据流。每个模块都在把上一层的“不确定信息”逐步收敛为“可执行决策”。
- 感知（Perception）：输入摄像头、激光雷达、毫米波雷达、IMU、GNSS 等原始数据，输出障碍物列表、车道线、可行驶区域、交通标志、自车姿态等结构化环境描述。核心指标是检测精度、召回率、时延与误检率。
- 预测（Prediction）：输入感知结果与历史轨迹，输出其他交通参与者未来数秒的轨迹分布或意图概率。它回答的是“别人接下来会怎么动”。
- 规划（Planning）：输入预测结果、地图、交规与自车状态，输出一条安全、舒适、合法的行驶轨迹或行为决策。它回答的是“我应该怎么走”。
- 控制（Control）：输入规划轨迹与车辆动力学状态，输出油门、刹车、转向等执行器指令，使车辆真实跟踪目标轨迹。它回答的是“如何让车精确执行”。
核心链路可以概括为：传感器 → 感知 → 预测 → 规划 → 控制 → 执行器。世界模型并不替代其中任何一环，而是为预测与规划提供更丰富的环境演化先验。
二、世界模型在系统中的定位
世界模型的核心思想是：让系统学习“环境如何随时间演化”，而不仅仅是“当前帧里有什么”。它通常以自监督或半监督方式，从大量驾驶数据中学习场景的隐空间表示与状态转移规律。在自动驾驶系统中，世界模型主要承担三类角色：
- 预测增强器：为预测模块提供更符合物理规律与交通常识的未来轨迹先验，减少对大量人工标注轨迹的依赖。
- 规划评估器：在规划模块生成候选轨迹后，用世界模型快速推演“如果执行这条轨迹，未来几秒场景会怎样”，从而筛选更安全的方案。
- 仿真数据引擎：在训练阶段生成逼真的未来场景与极端工况，为感知、预测、规划提供低成本、可重复的合成数据。
世界模型不是“替代感知”的模块，也不是“直接输出控制”的端到端网络。它更像一个环境动态模拟器，嵌入在预测与规划之间，为决策提供“未来会怎样”的快速推演能力。
三、典型场景：城市路口右转
假设自车在城市路口准备右转，右侧有骑行者直行，前方有行人等待过街。传统模块化流程如下：
- 感知输出：骑行者位置、速度、朝向；行人位置、姿态；车道线、路沿、交通灯状态。
- 预测输出：骑行者未来 3 秒可能继续直行，也可能因避让而减速；行人可能起步过街。
- 规划输出：减速让行、等待骑行者通过后再右转，或选择更早的间隙通过。
- 控制输出：根据规划轨迹生成刹车与转向指令。
引入世界模型后，系统可以在隐空间中同时推演“骑行者直行”“行人突然起步”“对向车辆左转”等多种未来分支，并对每条候选规划轨迹进行快速评分。这样，规划模块不再只依赖单条预测轨迹，而是面对一个未来场景分布做决策，安全冗余更高。
四、常见误区与复盘要点
| 误区 | 问题本质 | 复盘建议 |
|---|---|---|
| 把世界模型当成端到端自动驾驶 | 混淆了“环境模拟”与“完整决策”的边界 | 明确世界模型输出的是未来状态或隐表示，不直接输出执行器指令 |
| 认为世界模型可以不要感知 | 忽略输入质量决定推演上限 | 感知误差会通过世界模型放大，必须联合评估感知与推演精度 |
| 只关注预测精度，忽略规划收益 | 缺少下游任务指标 | 用规划成功率、碰撞率、舒适度等闭环指标衡量世界模型价值 |
| 训练数据与真实长尾分布脱节 | 世界模型在罕见场景下推演失真 | 引入极端工况、对抗样本与真实回放数据，持续校准 |
五、工程视角下的参数与接口示例
在数据训练工程中，世界模型通常以“未来预测头”或“隐空间推演器”的形式接入训练管线。以下是一个简化的配置片段，用于说明输入输出接口与关键参数：
world_model:
input:
bev_feature: [B, 256, 128, 128] # 感知输出的 BEV 特征
ego_state: [B, 8] # 自车速度、加速度、航向角等
map_query: [B, 64, 128] # 地图与车道查询向量
horizon: 4s # 未来推演时长
step: 0.5s # 推演时间步长
latent_dim: 256 # 隐空间维度
output:
future_bev: [B, T, 256, 128, 128] # 未来 BEV 隐表示
traj_dist: [B, N, T, 2] # N 个交通参与者轨迹分布
loss:
recon_loss: 1.0 # 重构损失
pred_loss: 0.8 # 预测损失
consistency: 0.3 # 时序一致性损失
从工程落地角度看，世界模型的价值最终要回到数据效率、闭环安全与泛化能力三个指标上。它让自动驾驶系统从“看到什么就反应什么”，逐步走向“预判未来再行动”，这也是世界模型在自动驾驶数据训练工程中越来越受重视的根本原因。