南理工提出世界模型赛车智能体，探索具身认知物理极限
机器之心 · wechat · 2026-08-20
新加坡南洋理工大学 AutoManLab 团队提出了一套以世界模型为中心的极限具身智能体架构，旨在解决自动驾驶赛车在高速、对抗性环境下的感知、决策与控制问题。该系统利用世界模型同时预测对手交互、自车动力学及可行运动范围，通过仿真与实车数据的闭环优化策略。
核心架构：
- 世界模型中心：集成预测对手行为、自车响应和物理可行包络，替代传统的感知-预测-规划-控制串联模式。
- 决策推演：在执行前利用世界模型对候选轨迹进行前向推演，基于交互安全性、物理可行性和速度评分。
- 物理极限约束：动态调整可用的物理性能边界（如轮胎附着、执行器能力），防止接近极限时的失稳。
实验成果：
- 在 A2RL 赛事中实现 260km/h 实车自动驾驶，获 2025 全球第四。
- 仿真中交互成功率 88.3%，碰撞率降至 5.8%，未见赛道零样本迁移成功率近 90%。
「具身」频道最新
- TMLR 综述：机器人基础模型的具身差距 — HirokatuKataoka · 2026-08-20
- 「人形机器人正变得越来越像人」:机器人进化短视频引热议 — HeyZoyaKhan · 2026-08-20
- 自动驾驶挑战印度拥堵，无人在狭窄道路避障实测 — sanjeevs_iitr · 2026-08-20
- 机器人迎 GPT-3 时刻，但谁在将其绑定语言模型？ — k7agar · 2026-08-20
- 业界热议机器人“GPT-3 时刻”：多源视频展示里程碑进展 — Scobleizer · 2026-08-20
- 跨维智能提「PhysicalToken 经济学」：衡量机器人新能力的边际成本 — 机器之心 · 2026-08-20