世界引擎：Post-Training开启Physical AGI机器之心
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。
