自动驾驶要比人开得好！小马智行发布PonyWorld世界模型2.0

深圳商报•读创客户端记者 袁静娴

4月10日，小马智行正式发布其在物理AI领域的最新技术成果——PonyWorld世界模型2.0。目前，世界模型2.0已经应用在小马智行L4级无人驾驶车队和研发体系中，来确保车辆不断提升安全性、舒适性和通行效率。

与1.0相比，2.0最本质的变化在于世界模型具备了自我诊断与定向进化的能力：AI不再依赖工程师花大量精力判断模型哪里有问题、需要采集什么样的数据来迭代，而是能够自主诊断自身短板，自我定向进化，并主动“指导”人类团队的研发和数据采集工作。这一变化标志着小马智行的自动驾驶技术进入全新的研发训练范式。

作为物理AI的第一个成熟商业化落地的应用，L4级自动驾驶和Robotaxi对安全性的要求极高，只有远超人类的安全性，才能大规模上路运营并被公众接受。正因如此，小马智行认为自动驾驶模型的训练目标不应是“像人开得一样”，而是“比人开得好”，这意味着一种范式的变化——从模仿学习到强化学习。

小马智行从2020年起，通过数年时间逐步打造并完善了一套贯穿云端与车端的完整体系，让AI通过强化学习增强模型开车能力，使AI可以在“虚拟驾校”中反复开车、训练车端模型的驾驶能力，这也就是“世界模型”。

PonyWorld 2.0结合小马智行车端模型的Intention（意图）语义层，实现了对每一次驾驶决策的自动化回溯与归因分析。系统能够自动区分问题根源，并将诊断结果精准反馈至模型训练流程。

基于自我诊断结果，PonyWorld 2.0能够自动识别世界模型精度不足的具体场景，并主动生成定向数据采集任务。例如，系统可自动推送指令：“请于特定时段在指定路口重点采集逆光条件下非机动车与行人混行场景数据。”研发与测试团队由此围绕世界模型的“精度需求”高效协作，实现AI引导下的定向数据采集与模型迭代。

PonyWorld 2.0可根据车端模型的薄弱环节，在世界模型中自动生成针对性训练场景，大幅减少无效训练数据的存储与计算开销，显著提升每一轮迭代的效率和效果。