1. 课程导入
欢迎进入《驾驶世界模型时空状态预测工程》课程。在自动驾驶从“感知—规划—控制”的模块化流水线，逐步走向端到端学习与生成式决策的今天，一个核心问题被反复提出：机器能否像人类驾驶员一样，在脑中“预演”未来几秒的道路演化？这正是驾驶世界模型（Driving World Model）要回答的问题。它不是简单的目标检测或轨迹回归，而是对驾驶场景在时间与空间维度上的联合建模与推演。
一、核心原理：从“看到”到“预演”
传统感知模块回答“现在有什么”，预测模块回答“别人会怎么动”，而世界模型进一步回答“如果这样，接下来世界会变成什么样”。其核心原理可拆解为三个层次：
- 状态编码：将摄像头、激光雷达、毫米波雷达、高精地图与自车状态压缩为统一的时空隐状态
z_t，既包含几何结构，也包含语义与动态意图。 - 动力学演化：学习状态转移
z_{t+1} = f(z_t, a_t)，其中a_t为自车动作或驾驶指令，使模型具备“动作条件”下的反事实推演能力。 - 解码与预测：从隐状态解码出未来 BEV 语义图、占用栅格、他车轨迹、自车轨迹或图像视频，形成可被规划器消费的预测结果。
与纯判别式预测不同，世界模型强调生成性与一致性：预测出的未来必须在几何、物理与语义上自洽，例如车辆不能穿墙、行人不会瞬移、车道线保持连续。
二、时空状态预测的目标
本课程聚焦“时空状态预测”，即同时处理空间结构（哪里有什么）与时间演化（接下来怎么变）。具体目标包括：
- 短时预测（0.5～3秒）：支撑碰撞预警、紧急制动与局部避障，要求低延迟、高召回。
- 中时预测（3～8秒）：支撑变道决策、路口通行与交互博弈，要求多模态、概率化。
- 长时推演（8秒以上）：支撑全局路径选择与场景理解，要求语义一致与物理合理。
- 反事实推演：回答“如果我减速/变道，他车会如何反应”，为规划提供可比较的未来分支。
这些目标共同构成一个预测—评估—决策闭环，而世界模型是闭环中的“仿真内核”。
三、课程整体框架与学习路径
本课程共30章，按“基础—表示—建模—训练—评估—部署”递进组织。下图给出课程知识架构与学习路径，帮助你在开始前建立全局地图。
学习路径建议按模块顺序推进：先建立时空表示与坐标系直觉，再掌握时序建模工具，随后进入具体预测任务，最后完成训练评估与工程部署。每一章都配有可运行的代码片段与参数说明。
四、典型场景：一个路口左转的推演
假设自车在城市路口准备左转，对向有直行车流，右侧有行人等待过街。世界模型需要同时预测：
- 对向车辆在未来3秒是否减速让行，还是保持速度通过；
- 右侧行人是否迈入斑马线，以及迈入的时机；
- 自车若此时左转，是否会与对向车流形成冲突；
- 若自车等待1秒再转，冲突概率如何变化。
这些问题的答案不是单一轨迹，而是一组带概率的未来状态。世界模型的价值在于：它能在隐空间中并行推演多个未来分支，并给出每个分支的语义占用与风险评分，供规划器选择。
五、常见误区与复盘
复盘时建议用下表检查一个世界模型方案是否完整：
| 检查项 | 关键问题 | 合格标准 |
|---|---|---|
| 状态表示 | 是否统一了多模态与时空维度？ | BEV/占用/隐状态可对齐，坐标系明确 |
| 动作条件 | 是否支持自车动作输入？ | 可做反事实推演与条件生成 |
| 多模态输出 | 是否输出概率化未来？ | 至少覆盖轨迹与占用两类任务 |
| 一致性 | 预测是否物理自洽？ | 无穿墙、无瞬移、车道连续 |
| 闭环评估 | 是否在仿真或实车闭环中验证？ | 有闭环指标与安全冗余 |
六、本章小结与准备
本章建立了驾驶世界模型的基本定义：以多模态历史为输入，学习时空隐状态，并在动作条件下推演未来。时空状态预测的目标是短时安全、中时交互、长时语义与反事实推演的统一。课程后续将围绕“表示—建模—预测—训练—评估—部署”六步展开。