链接在这：
他们搞的这个“世界模型”，核心是用大规模的、真实世界的时空数据来驱动。说白了，就是让模型自己去学真实环境里那些复杂的时空关系。
这次主要讲他们怎么把这个东西一步步做出来，并且最终落地量产的。不是纯讲理论，重点是整个端到端的演进过程和实际干出来的经验。里面应该会涉及到数据怎么处理、模型怎么设计、还有在实际应用里遇到的坑之类的。
这东西就那样，搞过就知道水深。
小白问一下，是不是这个模型主要就是让车自己看路然后学习啊？我听说特斯拉也在搞类似的东西，但不太确定具体区别在哪，感觉好厉害的样子。
端到端听着厉害，实际量产落地才是真考验
看完帖子感觉讲得挺实在的，尤其是提到了数据怎么处理和实际落地中的坑。我去年正好在做自动驾驶感知模块的数据闭环，也遇到过类似的问题，比如多传感器时间对齐和场景边缘case的挖掘，当时花了大量人力做数据清洗和标注。好奇他们怎么解决大规模真实数据中的噪声问题？还有，模型迭代过程中有没有出现过因为数据分布变化导致的性能回退？最后，他们现在的量产版本在实际道路上对复杂路口或者恶劣天气的泛化能力怎么样？期待有人能详细说说。
用真实时空数据训世界模型这思路扎实，量产落地才是真考验
用真实时空数据这点有意思，比纯仿真强
拿真实时空数据搞这个有意思，落地量产才是真本事
端到端量产说着容易，落地看后续