世界引擎：Post-Training开启Physical AGI

一年前，DeepSeek R1 横空出世，人们才意识到，真正让模型产生推理能力质变的，不必是更大的预训练规模 —— 后训练，用强化学习、过程奖励、闭环反馈，以极低的代价解锁了原本需要数倍算力才能触达的能力边界。

这场范式革命，正在物理世界重演。

自动驾驶系统已经在海量驾驶数据上完成了预训练，但距离真正的 Physical AGI，仍有一道鸿沟：模型知道 "该怎么开"，却不知道“为什么这样开更好”。真正的进化，需要闭环、需要反馈、需要在与世界的交互中不断修正。

香港大学李弘扬团队联合华为、上海创智学院及清华大学李升波教授团队，共同给出了他们的答案——世界引擎：以后训练为核心范式，以闭环仿真为训练环境，驱动自动驾驶系统在海量真实与合成场景的交互中，涌现出真正的决策能力。

代码地址：https://github.com/OpenDriveLab/WorldEngine

主页：https://opendrivelab.com/WorldEngine/

作为自动驾驶领域的重要学术力量，2022 年底，OpenDriveLab 推出 UniAD—— 第一个将感知、预测、规划统一在单一框架下的端到端系统，以“规划为中心”重新定义了自动驾驶的建模范式，成为学术界公认的里程碑。

但 UniAD 之后，一个更深的问题浮出水面：端到端系统在学术 benchmark 上表现优异，真实世界却是另一回事。

雨夜里逆行的电动车，施工路段突然倒下的锥桶，大客车后方的鬼探头 —— 这些长尾场景，在训练数据里几乎不存在。靠更大的数据集、更深的网络，无法根本性地解决。

OpenDriveLab 开始从两个方向同时推进。一方面，MTGS 通过多次遍历的 3D 高斯泼溅技术，构建出高保真的可渲染驾驶场景 —— 这是闭环仿真的物理基础。另一方面，Nexus、Omega 等世界模型工作聚焦于反事实难例高动态交互模拟，突破真实数据对长尾场景覆盖的天然局限。

至此，一个核心问题自然浮现：有了高保真仿真环境，有了能生成难例的世界模型，如何让端到端系统真正在其中安全进化？

答案，就是后训练。

2025 年 4 月，华为发布 ADS 4.0，正式披露了全新技术架构 WEWA。其中云端核心 World Engine，正是华为与 OpenDriveLab 联合开发的成果。（https://auto.huawei.com/cn/ads）华为将这套架构的目标定义为：面向自动驾驶，从类人到超人。

World Engine，由此登场。

World Engine：迈向物理 AI 的后训练时代

如果说预训练让自动驾驶系统学会了“模仿”，那后训练要解决的，是如何让系统学会“判断”。

World Engine 的设计哲学，正是围绕这一目标展开。它不是一个单一模型，而是一套完整的后训练 pipeline，由三个核心能力构成：

3DGS 仿真环境 —— 基于 3DGS 构建的高保真视觉输入，为后训练提供了真正意义上的闭环反馈。系统的每一个决策，都能在环境中得到即时响应，而不是停留在数据回放。

难例挖掘 & 扩散生成 —— 真实世界的长尾场景稀缺且难以复现。World Engine 首先从海量真实驾驶数据中主动挖掘难例，再以世界模型为工具，对这些难例进行扩散生成后，依托仿真环境进行渲染，放大长尾场景的密度与多样性，让系统在训练中“见过”它在路上可能遇到的一切。

基于强化学习的后训练 ——World Engine 在仿真生成的大规模难例场景上，以强化学习驱动系统优化，将安全价值规范内化为奖励信号，让系统不只是“开得快”，更是“开得对”。

三者协同，构成了一个完整的飞轮：仿真生成难例，难例驱动后训练，后训练强化决策能力。

图 1 World Engine 架构总览

从暴露弱点到超越弱点

三个模块，一套飞轮。

难例挖掘与扩散生成

World Engine 首先让模型“自己暴露弱点”。将预训练好的端到端模型在训练集上做开环推理，以 PDMS 作为评判标准，自动筛选出模型表现差的场景 —— 碰撞、偏离道路、自车停滞不前。这些场景，就是模型的能力边界所在。

挖掘出难例之后，World Engine 并不止步于此。行为世界模型（Behaviour World Model） 以解耦扩散的方式，对这些难例场景进行变体生成 —— 在保持真实地图拓扑与场景布局的前提下，引入对抗性交通行为，批量合成高密度的安全关键场景。真实数据的长尾，由此被系统性地放大。

图 2 难例扩散生成典型 case

高保真闭环仿真

难例场景需要一个足够真实的舞台。World Engine 内置了基于 3DGS 的场景重建 pipeline—— 融合同一路段的多次真实驾驶记录，构建出扎根于真实世界的高保真三维场景。这不是凭空生成的虚拟沙盒，而是闭环训练的真实物理基础。

图 3 高保真闭环仿真效果图

基于强化学习的后训练

有了大规模难例数据，World Engine 以离线强化学习驱动端到端模型持续优化。奖励信号将舒适性、避障、道路合规等安全价值直接内化为训练目标。模型不再只是模仿人类驾驶员，而是在与难例的反复博弈中，学会真正的安全决策。

图 4 navsim 测试难例集对比

World Engine 发现了什么？

数据量上做加法，不如在训练范式上做乘法

图 5 验证 Data Scaling: 将预训练数据集场景数量从 12k 增广至 103k 进行对比

自动驾驶行业有一个长期信仰：数据越多，模型越安全。World Engine 给出了一个更复杂的答案。

将预训练数据从 1.3 万个场景一路扩大到 10.3 万个，在日常驾驶场景上，scaling law 如期生效 —— 数据越多，表现越好。但在安全关键的长尾场景上，曲线很快躺平。原因并不意外：真实路测中危险场景本就极度稀缺，堆再多常规数据，模型在关键时刻依然束手无策。

数据 scaling，在长尾场景这件事上，撞上了天花板。

World Engine 的后训练给出了另一条路径：在仿真环境中以强化学习反复博弈难例场景，将避障、合规、舒适性直接编码为优化目标，同时确保系统不丢失预训练阶段习得的基础驾驶能力。从同一个基础模型出发，后训练直接跨越了 scaling 曲线，实现了等效于将预训练数据扩大约 14 倍的闭环性能增益。

一块都不能少

后训练有效，但增益从何而来？World Engine 对自身的三个核心模块做逐一拆解。

图 6 navsim 数据集上不同训练后范式对比

光喂数据没用。 拿到稀有场景数据，模仿学习几乎不改善闭环表现。模型学会了“照做”，没学会“判断”。强化学习才是那个开关。

练什么比怎么练更重要。 同样是强化学习，在普通场景上练，闭环成功率反而下降 —— 就像一个学生只刷简单题，考试遇到难题反而更慌。只有聚焦难例，能力才真正提升。

仿真不是有就行，得“活”起来。 当仿真里的其他车辆只是录像回放，收益有限；当它们开始对自车行为做出反应、甚至主动制造对抗，闭环成功率从 76% 一路拉到 89% 。World Engine 的行为世界模型，补上的正是这最后一环。

从仿真到路测：World Engine 的工业级答卷

学术 benchmark 之外，World Engine 接受了一次更严苛的考验 —— 华为 ADS 系统的工业级验证。

基础模型在超过 8 万小时真实驾驶数据上完成预训练，覆盖全国 100 余座城市、逾千万条驾驶片段。这已经是一个极强的起点。World Engine 后训练在此基础上继续发力。

工业闭环仿真

图 7 ADS 工业级闭环仿真结果对比

团队利用华为 ADS 的工业级闭环仿真平台对后训练模型进行了全面评估 —— 超过 1 万个测试场景，累计模拟驾驶里程逾 3000 公里，全部为高密度交互的事件性场景，而非平淡的常规巡航。结果横跨六项安全指标，全面改善，其中切入碰撞更是下降 45.5%。

实车路测

仿真之后，World Engine 走上了上海真实路面。测试路线涵盖城市快速路与城区道路，总计约 200 公里，重复测试三次完成。

图 8 上海市内高架测试路线

图 9 上海市城区测试路线

测试覆盖的场景，是城市驾驶中真正让人惊出冷汗的时刻：夜间施工区的临时改道、行人从视觉盲区横穿、无保护左转后的施工区。 这些场景的共同特征是 —— 即便是经验丰富的人类驾驶员，也需要高度集中注意力，稍有迟疑就可能出事。

典型实车场景 1

典型实车场景 2

典型实车场景 3

而 World Engine 后训练模型全程无需人工介入。

Post Training，不止于自动驾驶

World Engine 的故事，从自动驾驶出发。但它真正想回答的问题，远不止于此。

回到最核心的洞见：当真实世界无法为你提供足够的关键失败场景时，就主动去创造它们。 在这些失败中反复博弈，在这些边界上持续进化。这个逻辑，和驾驶无关 —— 它是所有 Physical AI 系统共同面临的根本困境。

Physical AI 与数字 AI 最本质的区别，在于不可逆性。语言模型说错一句话，刷新重来；推荐系统给错一个结果，下一次纠正。但物理世界里，机器人打碎了一个杯子，手术机器人划错了一刀，自动驾驶追尾了一辆车 —— 错误已经发生，无法撤销。这意味着，Physical AI 必须在真正上线之前，就已经 "见过" 那些最危险的时刻。

但现实是，这些最危险的时刻，恰恰是最难收集的数据。

这些领域，和自动驾驶面对的是同一个结构性困境：最需要学习的场景，天然地缺席于训练数据。

World Engine 提供的范式正是针对这一困境的系统性回答。具体的技术实现会因领域而异：3DGS 渲染可以换成物理引擎或视频世界模型，行为世界模型可以换成机械臂动力学仿真或人体运动生成 —— 但核心逻辑不变：不被动等待数据，主动生成经验；不只模仿人类，在与世界的博弈中涌现能力。

OpenDriveLab 正在将这条路延伸到更广阔的具身智能领域。从端到端自动驾驶出发，走向能在物理世界中感知、推理、行动、进化的通用智能体 —— 这是具身智能研究的终极命题，也是 Physical AGI 真正的意涵所在。

自动驾驶，是这场旅程的第一个战场。

而 Post-Training，将是 Physical AGI 时代最重要的基础设施之一。