比亚迪HyWorldVLA取得NAVSIM高分，混合世界模型瞄准驾驶噪声

比亚迪汽车新技术研究院团队公开了HyWorldVLA，这是一套面向端到端自动驾驶的视觉—语言—动作模型。论文于7月23日提交至arXiv，作者单位标注为比亚迪。模型在NAVSIM v1基准的PDMS指标上取得90.59分，在论文列出的对比实验中高于多种端到端、VLA、像素世界模型和潜在世界模型方案；在NAVSIM v2扩展指标上，论文报告的EPDMS为89.71分。

世界模型通过预测场景接下来可能发生的变化，为车辆轨迹规划提供信息。重建未来像素能够保留道路、车辆和行人的细节，但容易受到雨雾、亮度变化和图像噪声干扰；在压缩后的潜在空间进行预测，可以降低部分视觉扰动的影响，却可能损失具有解释价值的几何细节。HyWorldVLA将这两条技术路线纳入同一训练流程。

预训练阶段，模型一方面预测由视频VAE编码的潜在表示，另一方面重建未来视频帧，用像素信息约束潜在空间。进入联合微调后，系统主要预测潜在特征，再由动作专家据此生成驾驶轨迹。语言引导负责筛选与动作相关的语义，潜在条件则连接未来场景预测与控制输出。消融实验显示，移除语言引导、潜在条件或微调阶段的潜在监督后，PDMS均低于完整配置的90.59分。

团队还从OpenScene测试数据中选取655个包含雨、雾等非均匀噪声的案例。在这组数据上，HyWorldVLA报告的PDMS为86.87分，论文所列多种对比方案的得分为60.65至73.18分。研究人员也改变了前视图的光照条件，以观察模型在明暗变化下的规划表现。这些结果来自公开数据集和论文实验，不是真实道路上的大规模运行统计。

论文未公布训练算力、完整数据规模、量产车型、车端芯片配置或软件推送计划，也未说明该模型是否已参与比亚迪在售车辆的控制。因此，90.59分代表特定公开基准和评价口径下的研究成绩，不能直接换算为道路接管率、安全里程或商业收入。

混合世界模型带动自动驾驶训练与仿真需求

HyWorldVLA把视频重建、潜在状态预测和轨迹生成纳入统一流程，由此形成对视频数据处理、模型训练、仿真评测和车端部署工具的协同需求。对比亚迪而言，内部团队可以围绕自有车辆数据和工程约束继续迭代算法，减少不同模块之间的信息损失，但相应的算力、数据治理和软件集成投入也会增加。对自动驾驶软件行业而言，雨雾和光照噪声测试扩展了评测维度，竞争范围将由单一基准分数延伸至鲁棒性、推理效率与可部署性。由于论文没有对应量产计划，现阶段的影响主要传导至研发能力、训练工具和验证投入，而不是已经形成的车辆销售收入。

公允价值及分析师目标价为截至文章发表时的网上公开数据，数据可能随发布方更新而变化，且因不同口径可能得出不同结果，仅供参考，不等于公司客观价值。

公允价值参考与分析师平均目标价参考由系统填充，仅作为公开市场信息参考，不构成估值或投资建议。

新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。