世界模型驶入F1赛道：南洋理工探索具身智能极限
用 F1 赛车作为极限测试场，南洋理工团队把世界模型放到自动驾驶系统中心，探索智能体认知与物理极限如何互相影响。
自动驾驶赛车以近300公里时速在F1赛道竞速，需同时处理高速感知、对手意图预测和车辆动力学约束。南洋理工团队提出以世界模型（一种模拟环境与车辆动态的内部模型）为中心的智能体架构，让系统在脑中预演多个未来后再决策，并在真实赛事中验证认知与物理极限的耦合。
正文摘录
.jpg)  当自动驾驶赛车以近 300 km/h 的时速在 F1 赛道上与周车进攻防守、交互博弈，它面对的问题早已不只是提升圈速。 在高频高速的极端情况下，赛车需要在极短时间内完成定位与感知，判断周围对手的位置和意图，预测几秒后的交互结果，并决定是超车、防守还是减速；与此同时，所有决策又必须受到轮胎附着、车辆动力学、执行器能力和稳定性边界的严格约束。 一旦认知判断出现偏差，可能迅速演化为真实的物理失稳；而物理能力边界的变化，也会反过来改变智能体能够选择的决策空间。 这正是 新加坡南洋理工大学 AutoMan Lab 团队 试图探索的问题：具身智能体在真实世界的极端工况下进行一体化感知、定位、预测、决策和控制的能力边界在哪？它的认知极限与物理极限又将如何相互影响？ 围绕这一问题，团队以自动驾驶方程式赛车为实验平台，构建了一套 以世界模型为中心的极限具身智能体架构 。不同于将感知、预测、规划和控制看作彼此独立的模块，该系统利用世界模型同时预测对手交互、自车动力学以及可行运动范围，并通过真实赛车数据与内部仿真的闭环持续优化智能体。