針對端到端智駕大模型量產(chǎn)上車前所面臨的測試成本高、問題定位難、長尾場景覆蓋不足等挑戰(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)建出高真實度、場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)模離線驗證、能力評測與持續(xù)迭代的強大支撐。

隨著智駕行業(yè)邁入端到端時代，傳統(tǒng)測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的整體建模能力，但其內(nèi)部決策鏈條更長、行為機理更復(fù)雜，宛如一個“黑盒”，一旦出現(xiàn)失效往往難以快速拆解和定位。此外，單純依賴實車路測，不僅成本高、周期長，也很難高效覆蓋那些極端風(fēng)險與低頻的長尾場景（Corner Case）。而行業(yè)常規(guī)基于游戲引擎的仿真測試，又普遍存在視覺失真的局限——這種仿真與現(xiàn)實的差距會導(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。它通過更貼近真實道路環(huán)境的視覺輸入、更完整的動態(tài)交互機制以及可持續(xù)運轉(zhuǎn)的閉環(huán)反饋，為端到端智駕系統(tǒng)提供了一條可規(guī)?；⒖蓮?fù)現(xiàn)、可持續(xù)迭代的測試新路徑。

重塑真實：

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路測數(shù)據(jù)為地基，對復(fù)雜多變的真實駕駛場景進行重建與表達。借助世界模型能力，系統(tǒng)能夠從真實圖片重構(gòu)出復(fù)雜多變的真實駕駛場景，還能突破既有視角的限制，根據(jù)自動駕駛模型輸出的未來軌跡，實時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，仿真引擎作為虛擬世界的“調(diào)度中樞”，負責(zé)精準管理所有交通參與者的狀態(tài)與運動軌跡。它告別了傳統(tǒng)的靜態(tài)腳本式仿真，在實現(xiàn)統(tǒng)一管理的基礎(chǔ)上，也在持續(xù)朝著更真實的動態(tài)交互建模方向演進，以逐步提升閉環(huán)測試對復(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，并實時獲取真實的動態(tài)控車反饋，形成一個真正持續(xù)運轉(zhuǎn)的交互閉環(huán)。

規(guī)?；嚐拡觯?/p>

破解黑盒迭代與長尾場景評測難題

Nullmax 這座“物理沙盤”的搭建，不僅大幅降低了對實車測試的依賴，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)?；x線測試支持。

在評測層面，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)團隊對模型行為進行多維度的“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，系統(tǒng)建立了更完整的綜合評測體系，使研發(fā)分析不單純停留在“是否通過”，而是進一步走向“為什么這樣決策？”、“在哪類場景下容易失效？”、“策略應(yīng)如何調(diào)整？”的深入分析。

更關(guān)鍵的是，該系統(tǒng)為攻克長尾場景提供了安全可控的驗證“實驗室”。那些在實車測試中極難遇到的極端場景——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)、重放與擴展。Nullmax 研發(fā)團隊在修改算法代碼后，可直接在云端進行高頻驗證，精準定位模型缺陷，靈活調(diào)整激進或保守的駕駛策略，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景、數(shù)百個測試實例進行測試，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景的應(yīng)對表現(xiàn)得到了快速優(yōu)化與測試驗證。

復(fù)雜路況（城市會車場景）閉環(huán)仿真測試表現(xiàn)（優(yōu)化前后）

夯實全周期數(shù)據(jù)基座：

驅(qū)動物理 AI 全場景演進

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)體系的長效建設(shè)與深耕。當前，Nullmax 的智駕訓(xùn)練與測試正經(jīng)歷著二大階段的技術(shù)演進。在過去模塊時代的閉環(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 依托自主成長數(shù)據(jù)平臺與多模態(tài)數(shù)據(jù)挖掘能力，并應(yīng)用 AUTO-GT 等技術(shù)，正逐步推動數(shù)據(jù)標注向智能生成轉(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，標志著Nullmax 已率先大步邁入端到端時代的閉環(huán)仿真（Closed-loop），不僅在評測（Test-loop）中成功將高質(zhì)量真實數(shù)據(jù)轉(zhuǎn)化為高保真場景，在云端大規(guī)模替代了繁重的實車驗證，在訓(xùn)練（Train-loop）領(lǐng)域更開展基于強化學(xué)習(xí)的端到端模型閉環(huán)訓(xùn)練實踐。通過讓算法在高度擬真的虛擬環(huán)境中進行海量試錯與策略尋優(yōu)，Nullmax 一段式端到端大模型方案能夠以更高效的自主進化模式，突破傳統(tǒng)路測的物理瓶頸，加速驅(qū)動端到端智駕系統(tǒng)向更安全、可靠的量產(chǎn)落地邁進。

技術(shù)的演進是一場長期的深耕。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)落地提供更加堅實的技術(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。