針對(duì)端到端智駕大模型量產(chǎn)上車前所面臨的測(cè)試成本高、問題定位難、長(zhǎng)尾場(chǎng)景覆蓋不足等挑戰(zhàn)，Nullmax 基于世界模型（World Model）推出了新一代閉環(huán)仿真系統(tǒng)。

該系統(tǒng)深度融合三維重建、生成式 AI 與閉環(huán)引擎能力，可在云端構(gòu)建出高真實(shí)度、場(chǎng)景豐富的虛擬交互環(huán)境，為全棧自研的智駕感知算法，包括一段式端到端大模型，提供大規(guī)模離線驗(yàn)證、能力評(píng)測(cè)與持續(xù)迭代的強(qiáng)大支撐。

隨著智駕行業(yè)邁入端到端時(shí)代，傳統(tǒng)測(cè)試方法正遭遇顯著瓶頸。相較模塊化架構(gòu)，端到端大模型雖然具有更強(qiáng)的整體建模能力，但其內(nèi)部決策鏈條更長(zhǎng)、行為機(jī)理更復(fù)雜，宛如一個(gè)“黑盒”，一旦出現(xiàn)失效往往難以快速拆解和定位。此外，單純依賴實(shí)車路測(cè)，不僅成本高、周期長(zhǎng)，也很難高效覆蓋那些極端風(fēng)險(xiǎn)與低頻的長(zhǎng)尾場(chǎng)景（Corner Case）。而行業(yè)常規(guī)基于游戲引擎的仿真測(cè)試，又普遍存在視覺失真的局限——這種仿真與現(xiàn)實(shí)的差距會(huì)導(dǎo)致感知誤差，無法讓包含感知能力的端到端模型做出準(zhǔn)確決策。

Nullmax 推出的新一代基于世界模型的閉環(huán)仿真系統(tǒng)，正是為解決這一問題而來。它通過更貼近真實(shí)道路環(huán)境的視覺輸入、更完整的動(dòng)態(tài)交互機(jī)制以及可持續(xù)運(yùn)轉(zhuǎn)的閉環(huán)反饋，為端到端智駕系統(tǒng)提供了一條可規(guī)模化、可復(fù)現(xiàn)、可持續(xù)迭代的測(cè)試新路徑。

重塑真實(shí)：

以世界模型構(gòu)建高保真“數(shù)字沙盤”

Nullmax 的這套閉環(huán)仿真系統(tǒng)并非憑空構(gòu)建虛擬環(huán)境，而是依托自研的全生命周期數(shù)據(jù)體系，以離線采集的海量真實(shí)路測(cè)數(shù)據(jù)為地基，對(duì)復(fù)雜多變的真實(shí)駕駛場(chǎng)景進(jìn)行重建與表達(dá)。借助世界模型能力，系統(tǒng)能夠從真實(shí)圖片重構(gòu)出復(fù)雜多變的真實(shí)駕駛場(chǎng)景，還能突破既有視角的限制，根據(jù)自動(dòng)駕駛模型輸出的未來軌跡，實(shí)時(shí)生成并渲染出符合客觀物理規(guī)律的新視角和高保真的連續(xù)畫面。

同時(shí)，仿真引擎作為虛擬世界的“調(diào)度中樞”，負(fù)責(zé)精準(zhǔn)管理所有交通參與者的狀態(tài)與運(yùn)動(dòng)軌跡。它告別了傳統(tǒng)的靜態(tài)腳本式仿真，在實(shí)現(xiàn)統(tǒng)一管理的基礎(chǔ)上，也在持續(xù)朝著更真實(shí)的動(dòng)態(tài)交互建模方向演進(jìn)，以逐步提升閉環(huán)測(cè)試對(duì)復(fù)雜道路關(guān)系的刻畫能力。在這一體系下，Nullmax 充分結(jié)合自研一段式端到端模型 HiP-AD 的多軌跡生成機(jī)制和可靠閉環(huán)能力，使其能夠接收高還原度的多視角圖像輸入，輸出方向盤轉(zhuǎn)角等控制指令，并實(shí)時(shí)獲取真實(shí)的動(dòng)態(tài)控車反饋，形成一個(gè)真正持續(xù)運(yùn)轉(zhuǎn)的交互閉環(huán)。

規(guī)?；嚐拡?chǎng)：

破解黑盒迭代與長(zhǎng)尾場(chǎng)景評(píng)測(cè)難題

Nullmax 這座“物理沙盤”的搭建，不僅大幅降低了對(duì)實(shí)車測(cè)試的依賴，更為拆解端到端“黑盒”、加速一段式端到端方案的研發(fā)提供了高效的規(guī)模化離線測(cè)試支持。

在評(píng)測(cè)層面，Nullmax 閉環(huán)仿真系統(tǒng)支持同步生成前視仿真視頻與仿真 BEV（鳥瞰）視角結(jié)果，結(jié)合直觀的要素可視化與事件回放能力，可幫助研發(fā)團(tuán)隊(duì)對(duì)模型行為進(jìn)行多維度的“全景體檢”。圍繞安全性、體感舒適度與通行效率等關(guān)鍵目標(biāo)，系統(tǒng)建立了更完整的綜合評(píng)測(cè)體系，使研發(fā)分析不單純停留在“是否通過”，而是進(jìn)一步走向“為什么這樣決策？”、“在哪類場(chǎng)景下容易失效？”、“策略應(yīng)如何調(diào)整？”的深入分析。

更關(guān)鍵的是，該系統(tǒng)為攻克長(zhǎng)尾場(chǎng)景提供了安全可控的驗(yàn)證“實(shí)驗(yàn)室”。那些在實(shí)車測(cè)試中極難遇到的極端場(chǎng)景——如突發(fā)的障礙物、極限加塞，以及不同光照、極端天氣下的復(fù)雜環(huán)境——如今都可以在系統(tǒng)中被重構(gòu)、重放與擴(kuò)展。Nullmax 研發(fā)團(tuán)隊(duì)在修改算法代碼后，可直接在云端進(jìn)行高頻驗(yàn)證，精準(zhǔn)定位模型缺陷，靈活調(diào)整激進(jìn)或保守的駕駛策略，從而顯著加速算法的迭代與收斂。

目前，該系統(tǒng)已支持在十余類典型交通場(chǎng)景、數(shù)百個(gè)測(cè)試實(shí)例進(jìn)行測(cè)試，顯著提升端到端的研發(fā)主線的版本迭代效率。如下圖所示，Nullmax 一段式端到端方案在特殊場(chǎng)景的應(yīng)對(duì)表現(xiàn)得到了快速優(yōu)化與測(cè)試驗(yàn)證。

復(fù)雜路況（城市會(huì)車場(chǎng)景）閉環(huán)仿真測(cè)試表現(xiàn)（優(yōu)化前后）

夯實(shí)全周期數(shù)據(jù)基座：

驅(qū)動(dòng)物理 AI 全場(chǎng)景演進(jìn)

新一代閉環(huán)仿真系統(tǒng)的初步應(yīng)用，依托于 Nullmax 全生命周期數(shù)據(jù)體系的長(zhǎng)效建設(shè)與深耕。當(dāng)前，Nullmax 的智駕訓(xùn)練與測(cè)試正經(jīng)歷著二大階段的技術(shù)演進(jìn)。在過去模塊時(shí)代的閉環(huán)仿真（Data-loop）中，核心在于收集道路數(shù)據(jù)以訓(xùn)練感知模塊。Nullmax 依托自主成長(zhǎng)數(shù)據(jù)平臺(tái)與多模態(tài)數(shù)據(jù)挖掘能力，并應(yīng)用 AUTO-GT 等技術(shù)，正逐步推動(dòng)數(shù)據(jù)標(biāo)注向智能生成轉(zhuǎn)型，持續(xù)獲取高質(zhì)量數(shù)據(jù)燃料，夯實(shí)底層數(shù)據(jù)基礎(chǔ)。

如今，基于世界模型的新一代閉環(huán)仿真系統(tǒng)的推出，標(biāo)志著Nullmax 已率先大步邁入端到端時(shí)代的閉環(huán)仿真（Closed-loop），不僅在評(píng)測(cè)（Test-loop）中成功將高質(zhì)量真實(shí)數(shù)據(jù)轉(zhuǎn)化為高保真場(chǎng)景，在云端大規(guī)模替代了繁重的實(shí)車驗(yàn)證，在訓(xùn)練（Train-loop）領(lǐng)域更開展基于強(qiáng)化學(xué)習(xí)的端到端模型閉環(huán)訓(xùn)練實(shí)踐。通過讓算法在高度擬真的虛擬環(huán)境中進(jìn)行海量試錯(cuò)與策略尋優(yōu)，Nullmax 一段式端到端大模型方案能夠以更高效的自主進(jìn)化模式，突破傳統(tǒng)路測(cè)的物理瓶頸，加速驅(qū)動(dòng)端到端智駕系統(tǒng)向更安全、可靠的量產(chǎn)落地邁進(jìn)。

技術(shù)的演進(jìn)是一場(chǎng)長(zhǎng)期的深耕。未來，隨著 Nullmax 新一代閉環(huán)仿真系統(tǒng)的持續(xù)優(yōu)化與全生命周期數(shù)據(jù)體系的完善，這一高保真的“數(shù)字沙盤”不僅將為端到端大模型的量產(chǎn)落地提供更加堅(jiān)實(shí)的技術(shù)底座，也將為 Nullmax 向物理 AI（Physical AI）等前瞻領(lǐng)域的拓展持續(xù)蓄能。