中文摘要

具身AI旨在开发能通过持续与物理世界交互来感知、推理和行动的智能体。但多数系统仍在保守安全边界内评估，其极端条件下的能力边界未被充分理解。自动驾驶赛车提供了严格测试台（高频定位感知、对抗交互、近饱和车辆动力学、严格安全约束）。本文提出以世界模型为核心的赛车智能体，从近极限的成功与失败中学习预测性世界模型，在闭环精炼中耦合世界状态构建、未来感知推理和近极限控制。实车数据在256.3km/h、峰值横向加速度26.8m/s²下保持鲁棒定位；全尺寸模拟赛中交互成功率88.3%。结果表明世界模型能帮助具身智能体表征、预测并持续精炼能力边界。

核心贡献与解读

用赛车这种极端场景逼出世界模型的能力边界，给「具身智能如何安全部署到真实世界」提供了一套边界感知的方法论，思路很硬核。

关键词

世界模型 / 具身智能 / 自动驾驶赛车 / 能力边界