Waymo虛擬世界模型：重新定義自駕車學習

Waymo推出基於Google DeepMind技術的新AI模型，能創造「金門大橋下雪」等極端場景，讓自駕車在虛擬環境中學習現實中罕見的危險狀況。

想像一下金門大橋上覆蓋著雪花的場景。這在現實中幾乎不可能發生，但Waymo的自駕車已經在這種環境中「駕駛」了數千次——在虛擬世界裡。

Google旗下的自駕車公司Waymo剛剛發布了革命性的「Waymo World Model」，這項技術正在重新定義自駕車的學習方式。過去，自駕車只能從真實道路收集的數據中學習，但罕見的危險情況往往缺乏足夠的訓練數據。

突破現實限制的學習方式

儘管Waymo已累積超過2億英里的實際駕駛數據，加上數十億英里的虛擬駕駛經驗，但面對極端天氣或罕見交通狀況，傳統的數據收集方法仍有局限性。新的世界模型基於Google DeepMind的「Genie 3」技術，工程師只需簡單的提示就能創造出「超現實」的模擬環境。

這項技術的關鍵突破在於「長期記憶」能力。以往的世界模型中，當攝影機離開某個物體後，模型會立即「遺忘」該物體的細節。但Genie 3能夠在數分鐘內持續記住物體的詳細資訊，大幅提升了模擬的連貫性和真實感。

廣告合作

這項技術發展對華人地區的自駕車產業具有重要意義。中國大陸的百度、小鵬等企業在自駕車領域投入巨資，而台灣的科技業也積極參與相關供應鏈。Waymo的虛擬學習模式可能會加速整個行業的技術競爭。

特別是在亞洲複雜的交通環境中——從台北的機車穿梭，到香港的狹窄街道，再到新加坡的熱帶暴雨——虛擬模擬技術能讓自駕車在真正上路前就熟悉這些挑戰性場景。

虛擬學習的優勢顯而易見：可以安全地模擬危險情況，重複練習罕見場景，大幅降低測試成本。這種方法讓自駕車能夠「經歷」在現實中可能需要數年才能遇到的各種情況。

然而，挑戰也同樣存在。無論虛擬環境多麼逼真，它仍然是基於程式設計的模擬。人類駕駛員的不可預測行為、道路的微小缺陷、突發的機械故障——這些現實世界的「變數」能否完全在虛擬環境中重現？