☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

11月3日，百度在深圳举办的AI Day·Apollo专题活动上，首次公开面向物理AI的世界模型——Apollo World。百度智能驾驶事业群组首席架构师王亮透露，当前已有近一百辆“萝卜快跑”无人车部署了全新一代端到端技术架构并投入实际运营，全无人驾驶累计安全行驶里程已逼近百万公里。

该新一代架构基于端到端建模方式，直接从海量真实驾驶数据中学习驾驶行为策略，可输出包括方向盘转角、油门开度与制动指令在内的底层控制信号。为系统性验证模型可靠性，百度构建了Apollo World仿真平台，将车辆、行人、非机动车等交通要素抽象为具备自主感知、推理与决策能力的AI智能体，在虚拟环境中复现高复杂度交通流及端到端行程任务，单日可完成约10万公里的模拟路测。但百度同时强调，当前世界模型尚不能完全复刻现实世界的全部不确定性，因此虚拟测试数据必须与实车道路采集数据深度融合、协同优化。

Baidu Map Rtos Skills（百度地图官方rtos SKills）

百度地图 RTOS SDK（mapsdk-rtos）应用层集成规范与代码生成。帮助应用开发者对接 mapsdk-rtos，开发类似 rtos-mac-simulator（mapAPP）的应用层，包含初始化鉴权、地图组件控制、覆盖物（Marker/Polyline）、检索路线、离线地图、导航、Canvas 适配层等能力。当用户提到：对接 RTOS 地图 SDK、集成 mapsdk-rtos、RTOS 地图初始化、MapComponentApi、AuthLicenseApi、SearchApi、NaviApi

下载

目前，Waymo、小马智行、文远知行等头部自动驾驶公司也正积极推进生成式仿真技术的研发与落地。百度指出，L4级自动驾驶不仅需筑牢安全底线，还需兼顾通行效率，防止因策略过度保守而扰乱正常交通秩序。此外，在模型训练阶段，还需对原始人类驾驶数据进行精细化筛选，剔除不规范操作样本，以降低不良驾驶习惯对模型泛化能力的负面影响。

针对通用大模型向自动驾驶领域的延伸应用，百度认为，实时响应能力仍是核心瓶颈。一套成熟的无人驾驶系统要求在约33毫秒内完成感知、决策与控制闭环，而现有通用大模型在算力适配性、多模态观测覆盖度以及推理延迟等方面仍面临显著挑战。随着行业重心由封闭道路测试转向城市级规模化商业运营，世界模型与端到端架构正日益成为提升系统安全性、鲁棒性与场景泛化能力的关键技术路径。