近日，千里科技（AFARI）旗下 World Model Team 发布自动驾驶世界模型新成果 BehaviorWorldGen。据官方资料，该框架主要针对现有自动驾驶世界模拟器中“周围车辆无法根据自车行为作出真实响应”的问题，引入可控的车辆行为生成机制，使仿真环境中的交通参与者能够进行更接近真实道路的交互。
随着端到端、VLA 等技术路线不断演进，利用世界模型生成训练数据，已经成为自动驾驶模型训练的重要方向。不过，现有模拟器仍存在一个明显的问题：很多系统主要根据自车动作生成后续场景，周围车辆往往只是回放历史轨迹，或作为生成画面的一部分出现，并不会真正“回应”自车。
这会导致仿真与真实道路之间出现偏差。例如，自车进行一次较为激进的变道，在真实道路中可能导致后车减速、避让甚至引发冲突，但在缺乏车辆交互能力的模拟环境中，这条轨迹可能依然被判断为安全。同时，加塞、让行、路口博弈等复杂长尾场景本身出现频率较低，也更难通过传统数据采集方式获得足够样本。
为此，BehaviorWorldGen 引入了核心模块 BehaviorFlow。其思路是给不同车辆加入可解释的帧级“元动作”，包括保持车道、变道、转弯、掉头、旁路等行为，从而控制交通参与者在不同时间节点的行为。与此同时，其他车辆也会根据当前交通状态生成相应反应，使整个场景形成多车之间的交互关系。
从更完整的训练流程来看，系统可以首先识别动作模型表现较差的场景，例如碰撞、不安全车距以及让行失败等，再针对这些问题生成相应的复杂交互场景，随后将场景进一步渲染为多视角 RGB 画面和 LiDAR 数据，并重新加入训练集。也就是说，相比单纯增加更多数据，这套框架更强调围绕模型的薄弱场景进行针对性补充。
在世界模型部分，团队基于 Diffusion Transformer 构建动作条件世界模型，并通过少步蒸馏、因果模型训练等方式提升生成效率。论文数据显示，因果模型推理速度由双向模型约 20 秒/帧缩短至0.3秒/帧，提升接近70倍，FID 指标则从 6.72 改善至 4.36，同时支持最长约30秒的自回归场景生成。
在动作模型验证方面，研究团队分别在 ChainFlow-VLA、ReCogDrive 和 DiffusionDrive 三类模型上加入 BehaviorWorldGen 生成的数据。
其中，ChainFlow-VLA 在 NAVSIM 基准中的 PDMS 从 93.1 提升至 93.3；ReCogDrive 从 86.5 提升至 87.3；DiffusionDrive 则从 87.7 提升至 88.6。更值得关注的是，在原始 DiffusionDrive 表现最差、PDMS 低于0.15的困难场景中，原模型评分为0，加入 BehaviorWorldGen 数据后提升至 34.8。
除了车辆交互生成外，BehaviorWorldGen 还支持稀有物体插入、雾度控制、雨雪及夜间天气迁移，以及车辆轨迹编辑等能力；同时通过生成多视图画面和 LiDAR 点云，扩展3D高斯溅射重建式模拟器原本受限的观测范围。
从这项研究来看，世界模型在自动驾驶领域的竞争重点正在从单纯追求“画面生成得像不像”，进一步转向交通参与者之间的行为逻辑是否真实。对于自动驾驶训练而言，如果模拟器能够主动制造加塞、抢行、避让等低频但高价值的复杂场景，并根据模型失败案例持续生成针对性数据，那么虚拟仿真也有机会从数据补充工具，逐渐成为模型持续训练和迭代的一部分。
热门跟贴