全自駕極端情境演練！Waymo 世界模型從龍捲風到飛機迫降都能模擬
Waymo 近期公開 Waymo World Model，將大型生成式世界模型正式導入自動駕駛模擬流程，並明確定位為實際研發與安全驗證工具。這項技術並非展示性研究，而是直接服務於 Waymo Driver 的訓練與上線前測試。
本文主要內容
世界模型改變自動駕駛模擬的本質 生成式技術清楚區隔於實際上路系統 多模態與可控模擬支援工程流程 長尾情境成為世界模型的核心用途 世界模型支撐無人計程車服務擴張
在 Waymo Driver 已累積近 2 億英里全自動行駛里程的背景下，官方同步說明，真正支撐系統成熟度的關鍵並不只來自實車數據，而是規模遠高於實際道路的虛擬模擬測試。Waymo World Model 正是用來補足真實道路幾乎無法涵蓋的極端與罕見情境。
世界模型改變自動駕駛模擬的本質
Waymo World Model 的核心意義，在於模擬方式本身的轉變，而非單純提升畫面擬真度。傳統自動駕駛模擬多依賴人工建模、規則腳本與既有案例重播，場景來源有限，測試範圍受制於已知事件。
世界模型則改以生成式方式建立連續且可演化的虛擬世界，場景能依上下文自然延伸，產生合理但未曾發生過的交通狀況。官方資料指出，Waymo Driver 在實際上路前，已於虛擬世界中行駛數十億英里的模擬里程，用以提前驗證系統在各種條件下的行為表現。
生成式技術清楚區隔於實際上路系統
Waymo World Model 建立在 Google DeepMind 的 Genie 3 世界模型技術之上，但官方刻意劃清研究模型與實際自動駕駛系統之間的界線。Genie 3 提供的是通用世界建模能力，負責生成連續且具一致性的虛擬環境。
Waymo 則透過後訓練方式，針對駕駛領域進行專門調整，使模型能產生與實際感測器相容的輸出資料，包括符合車輛使用條件的 LiDAR 深度資訊。官方也明確指出，生成式模型並未直接部署於車輛上，而是用於模擬與驗證流程，確保測試結果具備可控性與可重複性。
多模態與可控模擬支援工程流程
Waymo World Model 之所以被定位為實用工具，關鍵在於其輸出與控制能力能直接對接工程需求。模擬系統可同步產生高擬真的 3D 相機畫面，以及與 Waymo 實際車輛相容的 LiDAR 深度資料，使感知、預測與規劃模組能在虛擬環境中進行完整驗證。
在操作層面，工程團隊可指定駕駛輸入，測試不同轉向、煞車或加速選擇下的系統反應，同時也能調整道路配置、號誌狀態與交通密度。透過語言指令快速變更天氣、時間與場景設定，大量測試案例得以迅速建立，進一步降低模擬建置成本。
長尾情境成為世界模型的核心用途
Waymo World Model 主要用來模擬所謂的長尾情境，也就是在真實道路中極少出現、幾乎不可能大量蒐集的罕見事件。官方在部落格與示範影片中，已明確展示多種具代表性的極端案例，用以驗證系統在低機率高風險狀況下的反應能力。
官方示範與描述中出現的長尾情境，包含以下幾類：
- 極端天氣與自然災害情境
- 龍捲風在高速公路旁移動，對行車造成直接威脅
- 金門大橋覆蓋輕雪，模擬非典型天候下的道路狀態
- 熱帶城市街道異常下雪，打破地理與氣候常態
- 洪水淹沒住宅死胡同或道路，影響通行與判斷
- 道路發生火災，車輛需從火場附近安全通過
- 罕見或異常動物與物件出現
- 道路上出現大象或德州長角牛等大型動物
- 城市環境中遇到獅子等非典型野生動物
- 行人穿著暴龍裝出現在斑馬線
- 車輛大小的風滾草橫越道路
- 其他異常交通狀況
- 故障卡車逆向停在道路中央，阻斷正常行車路線
官方特別指出，這類情境是真實車隊幾乎從未直接觀察到的案例，必須仰賴世界模型結合廣泛世界知識，以生成方式自然出現。這讓 Waymo Driver 能在虛擬環境中反覆練習近乎不可能發生的狀況，確保安全驗證的完整性。
世界模型支撐無人計程車服務擴張
Waymo World Model 同時扮演支援無人計程車服務擴張的角色。在新城市上線前，團隊可透過世界模型模擬當地交通行為與道路特性，提前驗證系統對陌生環境的適應能力，降低初期部署風險。
從官方定位來看，世界模型已被納入自動駕駛開發流程中的核心基礎設施之一。大型生成式模型正正式進入安全驗證與工程體系，成為 Waymo 推進無人計程車服務與規模化部署的重要支柱。
延伸閱讀
Waymo 自駕車撞死「貓市長」犯眾怒！FSD 遇到小動物會怎麼反應？