讀後筆記｜Waymo World Model：自動駕駛模擬的全新邊界

本篇文章更新時間：2026/02/07
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知或向一介資男的 LINE 社群反應。
如果本站內容對你有幫助，歡迎贊助支持 。

Waymo World Model：從虛擬世界重新定義自動駕駛的未來

副標題：當 Google DeepMind 的 Genie 3 遇上 Waymo，模擬能力開始出現質變

編輯前言：Waymo 公開了最新的模擬技術 Waymo World Model，這篇文章徹底重新定義我對「自動駕駛訓練」的理解。原文來自 Waymo 官方部落格《The Waymo World Model: A New Frontier For Autonomous Driving Simulation》。

核心觀點（Key Takeaways）

• Waymo World Model 建構在 Google DeepMind 的 Genie 3 之上，可產生「超寫實、多模態」的 3D 駕駛模擬（含相機與 lidar）。
• 模型不只重建現實，還能生成從未出現過的極端場景（龍捲風、洪水、動物、失控車輛等）。
• 具備三種可控性：駕駛行為控制、場景佈局控制、語言控制，任何道路情境都能快速重建或改寫。

深入解析

Waymo 多年來一直強調模擬（simulation）是他們自動駕駛安全性的三大核心之一。但這次，他們把模擬技術推到一個全新高度：讓 AI 自己「生成世界」。

作者提到，Waymo Driver 雖然在真實道路上跑了近 2 億英里，但在虛擬世界其實跑了「數十億英里」。這些虛擬場景過去多半依賴工程師手動建模，而 Waymo World Model 改變了遊戲規則。

「The Waymo World Model… sets a new bar for large-scale, hyper-realistic autonomous driving simulation.」

換句話說，他們不是在重播真實數據，而是生成一個可以與現實媲美的 3D 世界。

1. Genie 3 的世界知識，讓自動駕駛不再受限於真實數據

多數自動駕駛公司都依靠車隊收集資料。然而罕見事件（tornado、lion、wrong-way truck）很難遇到、也不容易收集。Waymo 利用 Genie 3 的大量影片預訓練知識，讓模型能產生從未出現過的場景。

更重要的是，它能同時輸出影像與 lidar 資料，讓模擬更貼近 Waymo 自家的硬體特性。

2. 全面控制：讓工程師像在玩「世界編輯器」

三種控制方式讓模擬變得前所未有地靈活：

• Driving Action Control：輸入特定駕駛動作，模擬「如果當時 Waymo 開得更快/更晚剎車會怎樣？」
• Scene Layout Control：改變車流、交通號誌或路線配置，快速創造新的場景組合。
• Language Control：用一句話就能生成不同天氣、時段甚至完全虛構的場景。

這意味着工程師可以像修改遊戲地圖一樣，動態改造整個世界。

3. 將日常影片直接轉成自動駕駛模擬

這個能力讓我印象非常深：Waymo World Model 能把一般相機拍的行車紀錄，轉成 Waymo Driver 會看到的多模態模擬。

也就是說，任何人拍到的道路，都能立即變成 Waymo 的訓練素材。

筆者心得與啟發

Waymo 的這篇文章給我的最大啟發是：自動駕駛的進步，不是靠更多「現實世界 miles」，而是靠更強大的「虛擬世界 miles」。

Waymo World Model 本質上是一個為自動駕駛量身打造的「世界生成器」。它不只是還原世界，而是幫助工程師提前看到現實中幾乎不可能收集到的長尾場景。

如果說前幾年的自動駕駛進展是硬體與地圖的競賽，那現在的競賽是：

• 誰的模擬世界更大？
• 誰能生成更多罕見、極端、危險的場景？
• 誰能把模擬結果更精準地影響真實世界的安全？

Waymo World Model 的推出，讓我感覺自動駕駛技術開始進入「模型驅動」的新時代。硬體仍然重要，但決勝點正在轉移到 AI 所能生成的世界規模與真實度。

如果你關注 AI、機器人、自動駕駛或合成數據技術，這篇原文強烈推薦一讀。