企业官网建设流程全解析

「开环只能给分数，闭环才能学后果」

目录

01 研究背景：开环只能给分数，闭环才能学后果

02 方法：生成负责想象，记忆负责认路

1. 真实：多目异构，原生同时生成

2. 有记忆：行业首创的记忆回溯模块

3. 可控交互：三层变量干预

​编辑

4. 反应快，推理长：实时生成，长程稳定不崩溃

03 实现路径：40步压到1步，画质保持九成以上

04 落地验证：每次发版20万场景闭环用例

05 总结

端到端驾驶模型正越来越多地依赖"世界模型生成数据—回炉训练"的自进化闭环来提升能力。

但这一闭环长期存在一个瓶颈：世界模型能把画面渲染得足够真实，却不会对驾驶模型的决定作出响应，模型因此从未承担过自己动作的后果。

近日，卓驭科技首次解密其世界模型 ZYT-World。区别于行业普遍采用的开环仿真，它面向闭环强化学习构建：通过"生成负责想象、记忆负责认路"的组合，使同一场景可被反复驶入并对决定作出真实响应，让模型在平行世界中承担后果、积累分寸。

该能力已进入卓驭量产模型的发版链路，每次发版贡献超 20 万场景闭环用例。

01 研究背景：开环只能给分数，闭环才能学后果

理论上，世界模型生成得越多，驾驶模型的数据供给就越充分，二者相互驱动、螺旋上升。

然而，这条闭环的真正瓶颈，并不在画面的清晰度或真实度，而在于世界不会因为模型的决定而改变。

具体表现为两个层面的问题：

• 响应缺失：合成场景中，自车做出动作后，世界仍按原有剧本推进。模型说"我会打左"，却永远等不到打左之后的画面。训练停留在对人类驾驶动作的模仿，而不是对自身决定的经验积累。
• 不可重复：即便世界能够自由生成，同一路段重新驶入时往往被重新编造一遍。同一场景无法在只更换自车决定的前提下重来一次，动作与后果之间的对应关系因此无法建立。

其后果是，模型学到的是别人的选择，而非自己的教训。而最需要被反复体会的强交互工况——盲区窜出的电瓶车、恶意加塞、路口抢行——恰恰是真实路采中最难获得、也最不可能重复的部分。

这两个问题，恰好对应了现有两条技术路线各自的缺口：

• 重建路线（NeRF、3D Gaussian Splatting 等）忠实还原采集过的场景，重新驶入同一路段时，路牌与路边停放的车辆仍在原位——回得去，但想不出。它只能复现已发生的事件，无法生成"若对向车抢行"这类从未出现过的交互。
• 生成路线（视频世界模型）能够外推未见过的场景——想得出，却回不去。沿另一条轨迹重新驶入旧路段时，多数情况下会重新编造一个路口。

强化学习不给标准答案，只给奖惩。它最依赖的资源不是算力，而是环境。一个会对每个动作作出反应并允许同一件事重来一次的地方。只有在其余条件一致、仅更换自车决定的情况下，两次结果的差异才等于这个决定本身的代价。

02 方法：生成负责想象，记忆负责认路

ZYT-World 的整体思路是：不让世界模型"自由发挥"，而是在生成能力之上插入一个记忆插件，使推演既能外推长尾反事实场景，又不会"想过头"。

1. 真实：多目异构，原生同时生成

实车的传感器不止一种布局：既有视场角超 180° 的鱼眼，也有针孔，画幅从 5:1 到 5:4 五花八门。现有方案要么只采用一种相机配置，要么将原生配置映射为标准镜头再生成，结果是像，但不像你车上那组眼睛。

ZYT-World 原生同时生成量产 rig 上的所有视角，鱼眼是鱼眼、针孔是针孔，并严格对齐同一物理时刻：前视里那辆白车，侧鱼眼里也在该在的位置。每路约 720P，2 张 GPU 跑到 4 帧/秒，每帧只需 1 步去噪。

2. 有记忆：行业首创的记忆回溯模块

当车辆沿另一条轨迹重新驶入去过的路段，记忆模块会翻出历史观测，把路牌、路边停着的车这些不该变的东西重现回来，而不是随机再编一个、或者直接跳过。同一场景下两条独立轨迹的生成因此完全对齐，这正是奖惩信号能与动作一一对应的前提。

该模块为零初始化插件，接入时对基座几乎无影响，不接入时整层跳过；其训练数据由端到端模型在真实场景生成替代轨迹并重建渲染，已积累近百万对。

3. 可控交互：三层变量干预

• 控自车：同一起点，掉头和刹停是两个世界；
• 控他车：前车急刹、旁车加塞、电瓶车从盲区窜出；
• 控道路环境：直路改岔路、绿灯提前变红。

一次只动一个变量，AI 司机哪里不行，一测就知道。相机参数同样可控：同一段乘用车数据，换一套相机位置重新生成，就成了商用重卡、物流车的视角数据。

图注：记忆回溯对比
上为实车录像，中为无记忆生成，下为有记忆生成；右侧红色是实车轨迹，绿色是本次生成的目标轨迹。

4. 反应快，推理长：实时生成，长程稳定不崩溃

强化学习要的是一个跑得动的环境。世界模型若一帧要等几秒，rollout 就无从谈起。

实时，只要两张卡。每路约 720P 的多目异构画面一次同时生成，每帧只需 1 步去噪，2 张 GPU 跑到 4 帧/秒。

支持分钟级连续输出。训练只见过 8 秒片段，却能连贯跑 1 分钟以上不崩，车道、建筑与光照效果维持稳定。

至此，闭环强化学习所需的四个前提：世界看起来像你的车、回得去同一个地方、能被精确干预、还跑得动，第一次同时成立。

03 实现路径：40步压到1步，画质保持九成以上

底座为逐帧自回归生成：每步仅生成一个时刻的多视角画面，写入 KV-cache 后推进下一步；两路 Plücker adapter 分别编码鱼眼与针孔的射线几何，自车运动、他车与车道布局逐帧注入。

40 步压缩为 1 步由四个阶段完成：

叠加 19M 参数 TinyVAE、W8A8 低比特矩阵乘与硬件感知优化，生成器比 40 步 teacher 快 107.7 倍，解码器快 59.8 倍、显存省约 27 倍，最终画质保持 teacher 的 90% 以上。

有界 KV-cache 机制控制显存占用不随时间递增；尽管训练数据仅覆盖 8 秒时序片段，仍能完成分钟级连续 rollout，车道、建筑与光照效果维持稳定。

04 落地验证：每次发版20万场景闭环用例

ZYT-World 已落在卓驭三条技术线上：

• 往下：为量产的原生多模态基础模型提供强化学习与仿真评测，每次发版贡献超 20 万场景闭环用例；
• 往上：作为实时训练场，让模型在多模态环境中推演"若换一种开法"的结果；
• 往外：凭借相机控制能力，将已有数据拓展至商用重卡、物流车等多种构型平台。

20 万闭环用例是其中信号最强的一项——它表明这些经历并非演示素材，而是每次发版前模型实际经受的考验。

需要说明的是，目前公开的成果集中于世界模型侧的能力验证：多目异构一致性、记忆回溯对齐、实时性与长程稳定性。至于经历这些场景之后，量产模型在具体基准上的提升幅度，尚无公开对照数据。这一环补齐后，闭环的价值方能被完整量化。

05 总结

ZYT-World 的核心贡献，在于重新定位了自进化闭环的瓶颈：问题不在画面真实度，而在世界能否对决定作出响应、并允许同一场景被重复经历。

围绕这一判断，卓驭以多目异构原生生成解决"真实"，以行业首创的记忆回溯模块解决"可重复"，以四阶段蒸馏与推理栈将 40 步压至 1 步解决"实时"，使闭环强化学习第一次具备可用前提。

现实不会给出第二次机会，但经验的形成恰恰依赖重复。对于正在构建"数据生成—回炉训练"闭环的自动驾驶研究与工程团队而言，把最昂贵、也最危险的那部分经历移入平行世界反复完成，是一条颇具参考价值的技术路径。

参考论文：

论文标题：ZYT-World: A Real-Time Controllable World Model for Closed-Loop Autonomous-Driving Simulation

论文链接：https://arxiv.org/pdf/2609.21712