小馬智行發(fā)布PonyWorld世界模型2.0

可自主進(jìn)化的物理AI引擎。

本文為IPO早知道原創(chuàng)

作者｜Stone Jin

據(jù)IPO早知道消息，小馬智行日前正式發(fā)布其在物理AI領(lǐng)域的最新技術(shù)成果——PonyWorld世界模型2.0。

這是自動(dòng)駕駛核心訓(xùn)練體系的一次重大升級(jí)。與1.0相比，2.0最本質(zhì)的變化在于世界模型具備了自我診斷與定向進(jìn)化的能力：AI不再依賴工程師花大量精力判斷模型哪里有問(wèn)題、需要采集什么樣的數(shù)據(jù)來(lái)迭代，而是能夠自主診斷自身短板，自我定向進(jìn)化，并主動(dòng)“指導(dǎo)”人類團(tuán)隊(duì)的研發(fā)和數(shù)據(jù)采集工作。這一變化標(biāo)志著小馬智行的自動(dòng)駕駛技術(shù)進(jìn)入全新的研發(fā)訓(xùn)練范式。

目前，世界模型2.0已經(jīng)應(yīng)用在小馬智行L4級(jí)無(wú)人駕駛車(chē)隊(duì)和研發(fā)體系中，來(lái)確保車(chē)輛不斷提升安全性、舒適性和通行效率，從而帶動(dòng)更快的擴(kuò)張速度和商業(yè)變現(xiàn)能力。當(dāng)無(wú)人駕駛車(chē)隊(duì)規(guī)模從百輛躍升至千輛乃至萬(wàn)輛，要確保安全性等各項(xiàng)指標(biāo)整體上穩(wěn)步提升，自動(dòng)駕駛技術(shù)亦需要不斷迭代進(jìn)化，世界模型2.0是目前技術(shù)的最優(yōu)解。PonyWorld不局限于優(yōu)化自動(dòng)駕駛場(chǎng)景，也具有探索其他物理AI場(chǎng)景和應(yīng)用的可能。

作為物理AI的第一個(gè)成熟商業(yè)化落地的應(yīng)用，L4級(jí)自動(dòng)駕駛和Robotaxi對(duì)安全性的要求極高，只有遠(yuǎn)超人類的安全性，才能大規(guī)模上路運(yùn)營(yíng)并被公眾接受。正因如此，小馬智行認(rèn)為自動(dòng)駕駛模型的訓(xùn)練目標(biāo)不應(yīng)是“像人開(kāi)得一樣”，而是“比人開(kāi)得好”，這意味著一種范式的變化——從模仿學(xué)習(xí)到強(qiáng)化學(xué)習(xí)。小馬智行從2020年起，通過(guò)數(shù)年時(shí)間逐步打造并完善了一套貫穿云端與車(chē)端的完整體系，讓AI通過(guò)強(qiáng)化學(xué)習(xí)增強(qiáng)模型開(kāi)車(chē)能力，使AI可以在“虛擬駕校”中反復(fù)開(kāi)車(chē)、訓(xùn)練車(chē)端模型的駕駛能力，這也就是“世界模型”。世界模型不是簡(jiǎn)單生成虛擬數(shù)據(jù)的仿真環(huán)境，而是一套完整的強(qiáng)化學(xué)習(xí)訓(xùn)練系統(tǒng)以及開(kāi)發(fā)范式，幫助AI提升駕駛中最重要的博弈交互能力。

只有世界模型的精度足夠高，AI司機(jī)才可以在這個(gè)環(huán)境中取得正向訓(xùn)練結(jié)果，否則AI模型的駕駛能力可能越學(xué)越錯(cuò)，甚至還不如引入海量人類駕駛數(shù)據(jù)的模仿學(xué)習(xí)。通過(guò)世界模型，小馬智行提升自動(dòng)駕駛能力的過(guò)程，本質(zhì)上也是提升世界模型精度的過(guò)程。

而隨著AI司機(jī)的能力尤其是安全性已經(jīng)遠(yuǎn)超人類，小馬智行世界模型的精度也達(dá)到了很高的高度，如何進(jìn)一步高效率提升世界模型精度的迭代效率便成為核心目標(biāo)。小馬智行為此打造了一套更進(jìn)化的世界模型系統(tǒng)——由AI驅(qū)動(dòng)，可以主動(dòng)找到自己精度不足的場(chǎng)景，主動(dòng)尋求人類幫助去提升——也就是PonyWolrd世界模型2.0。

三大核心能力突破精度持續(xù)提升

1. 自我診斷能力：AI知道自己“哪里不行”

PonyWorld 2.0結(jié)合小馬智行車(chē)端模型的Intention（意圖）語(yǔ)義層，實(shí)現(xiàn)了對(duì)每一次駕駛決策的自動(dòng)化回溯與歸因分析。系統(tǒng)能夠自動(dòng)區(qū)分問(wèn)題根源，并將診斷結(jié)果精準(zhǔn)反饋至模型訓(xùn)練流程。

2. 定向進(jìn)化能力：從“廣撒網(wǎng)”到“精準(zhǔn)補(bǔ)短板”

基于自我診斷結(jié)果，PonyWorld 2.0能夠自動(dòng)識(shí)別世界模型精度不足的具體場(chǎng)景，并主動(dòng)生成定向數(shù)據(jù)采集任務(wù)。例如，系統(tǒng)可自動(dòng)推送指令：“請(qǐng)于特定時(shí)段在指定路口重點(diǎn)采集逆光條件下非機(jī)動(dòng)車(chē)與行人混行場(chǎng)景數(shù)據(jù)。”研發(fā)與測(cè)試團(tuán)隊(duì)由此圍繞世界模型的“精度需求”高效協(xié)作，實(shí)現(xiàn)AI引導(dǎo)下的定向數(shù)據(jù)采集與模型迭代。

3. 訓(xùn)練效率躍升：專練“難題”，跳過(guò)“送分題”

PonyWorld 2.0可根據(jù)車(chē)端模型的薄弱環(huán)節(jié)，在世界模型中自動(dòng)生成針對(duì)性訓(xùn)練場(chǎng)景，大幅減少無(wú)效訓(xùn)練數(shù)據(jù)的存儲(chǔ)與計(jì)算開(kāi)銷(xiāo)，顯著提升每一輪迭代的效率和效果。

小馬智行強(qiáng)調(diào)，世界模型精度的持續(xù)提升依賴于一個(gè)自我強(qiáng)化的精度飛輪：大規(guī)模L4無(wú)人車(chē)隊(duì)商業(yè)運(yùn)營(yíng) → 產(chǎn)生真實(shí)世界高價(jià)值數(shù)據(jù) → 世界模型提升精度 → 車(chē)端模型持續(xù)增強(qiáng) → 支撐更大規(guī)模L4部署 → 產(chǎn)生更多高精度數(shù)據(jù)

當(dāng)AI駕駛能力已遠(yuǎn)超人類司機(jī)水平后，普通人類駕駛數(shù)據(jù)對(duì)世界模型精度的提升價(jià)值趨近于零。只有L4級(jí)全無(wú)人車(chē)隊(duì)在真實(shí)交通環(huán)境中獨(dú)立運(yùn)營(yíng)所產(chǎn)生的數(shù)據(jù)——包含AI與其他交通參與者之間獨(dú)特的交互模式——才能持續(xù)推動(dòng)世界模型進(jìn)化。小馬智行已積累千萬(wàn)公里級(jí)多城市復(fù)雜場(chǎng)景的純無(wú)人駕駛數(shù)據(jù)，覆蓋城區(qū)、高速、園區(qū)、停車(chē)場(chǎng)等多元場(chǎng)景，形成了難以復(fù)制的結(jié)構(gòu)性優(yōu)勢(shì)。

自動(dòng)駕駛研發(fā)范式變革：從“人類驅(qū)動(dòng)”走向“AI驅(qū)動(dòng)”

從更廣義的視角看，小馬智行此次發(fā)布的世界模型2.0，是自動(dòng)駕駛研發(fā)范式的一次深層轉(zhuǎn)變。

在行業(yè)發(fā)展早期階段，AI能力弱于人或者與人接近，所以研發(fā)高度依賴人類工程師的經(jīng)驗(yàn)——由人來(lái)設(shè)計(jì)規(guī)則、標(biāo)注數(shù)據(jù)、判斷訓(xùn)練重點(diǎn)。這種由人類驅(qū)動(dòng)的研發(fā)模式，效率天花板受限于團(tuán)隊(duì)規(guī)模和工程師的認(rèn)知帶寬。

PonyWorld世界模型2.0所展現(xiàn)的方向是，當(dāng)AI在一項(xiàng)任務(wù)的水平遠(yuǎn)超人類水平后，人類不一定能很好地評(píng)估其能力和繼續(xù)幫助AI進(jìn)化，AI系統(tǒng)開(kāi)始接管自身進(jìn)化過(guò)程中越來(lái)越多的環(huán)節(jié)，甚至整個(gè)公司的研發(fā)環(huán)節(jié)（包含數(shù)據(jù)收集、模型訓(xùn)練、仿真效果評(píng)估等）都主要由AI驅(qū)動(dòng)。人類工程師的角色從“駕校教練”逐漸轉(zhuǎn)變?yōu)椤岸ㄏ驍?shù)據(jù)采集員” ，成為AI大腦自我進(jìn)化的物理執(zhí)行者。這讓研發(fā)節(jié)奏不再依賴人類經(jīng)驗(yàn)判斷，而是由AI系統(tǒng)根據(jù)自身進(jìn)化需求自動(dòng)生成，也顯著的提高了世界模型的持續(xù)迭代效率。為后續(xù)物理AI的更多應(yīng)用場(chǎng)景提供進(jìn)化能力的基礎(chǔ)。