现实版《黑客帝国》：全新“首尔世界模型”AI 为整座大都市打造空间保真数字孪生

首尔世界模型 (Seoul World Model, SWM) 代表了生成式人工智能的一个范式转变，它将世界模拟锚定在真实的物理地理中，而非合成的、想象的环境。与创建视觉上看似合理但纯属虚构场景的传统模型不同，SWM 利用对现实世界街景数据的检索增强条件 (retrieval-augmented conditioning) 来生成空间忠实的数字孪生。这一进展是实现具身 AGI 的关键一步，因为它允许人工智能代理在现实世界城市地形的限制内进行导航和推理。

SWM 与传统的生成式世界模型有何不同？

首尔世界模型 (SWM) 与传统生成式模型的不同之处在于，它将视频合成锚定在现实世界的街景图像中，而不是仅仅依赖于学习到的内部表示。 虽然标准的生成式模型根据训练数据中的模式来“想象”环境，但 SWM 检索实际的地理参考，以确保生成的视频与首尔等城市的物理现实保持一致。这种锚定防止了其他视频模型中常见的“幻觉”，即地标在长距离轨迹中可能发生偏移或消失。

传统的生成式世界模型通常是不受约束的，这意味着它们缺乏与物理世界的一一映射。研究人员 Seungryong Kim, JoungBin Lee, and Jinhyeok Choi 发现，对于机器人和自主导航等高风险应用，“看似合理”的图像是不够的。SWM 通过使用自回归视频生成框架解决了这个问题。通过将生成过程建立在附近检索到的图像之上，该模型确保虚拟摄像机的路径反映了城市的实际布局，从而在数百米的行程中保持空间忠实度。

核心创新在于从纯像素级的想象转向数据驱动重构的混合方法。通过将大语言模型中常用的检索增强生成 (RAG) 技术整合到视觉领域，SWM 可以参考特定的现实世界坐标。这允许创建一个持久的数字孪生，其中生成的每一帧都与特定的经纬度挂钩，提供了一种以前的“想象”模型根本无法比拟的地理可靠性。

SWM 将如何影响城市规划或自动驾驶？

SWM 通过为物理 AGI 系统和基础设施设计提供高保真、安全且具有成本效益的测试平台，对城市规划和自动驾驶产生影响。 该模型允许开发人员在现有城市的真实数字孪生中模拟复杂的“假设”场景——例如极端天气或基础设施变化。这种能力使研究人员能够针对现实世界地形对自动驾驶算法进行压力测试，而无需承担路测相关的风险。

对于自动驾驶汽车 (AV) 开发商而言，SWM 提供了一个替代传统模拟器的革命性方案。标准模拟器通常面临“仿真到现实”(sim-to-real) 的差距，即合成环境过于干净或简化。由于 SWM 基于真实的车载拍摄，它保留了城市环境的细微复杂性，例如首尔特有的车道配置、标牌和建筑纹理。这种高保真模拟对于训练 AGI 处理城市交通和行人运动的不可预测性至关重要。

在城市规划领域，SWM 是一个强大的可视化工具。规划者可以使用文本提示来修改模拟环境，例如增加新的自行车道或改变建筑高度，以观察这些变化如何影响视觉景观和交通流。主要优势包括：

• 无风险原型设计：在物理实施之前，先在数字孪生中测试基础设施的变化。
• 场景多样性：利用 AI 生成罕见的边缘案例（如事故或施工），以评估应急响应。
• 全球可扩展性：能够利用现有的街道级数据将 SWM 框架应用于釜山或安娜堡等其他大都市。

SWM 模拟真实首尔环境的准确度如何？

SWM 在模拟真实首尔环境方面表现出卓越的准确性，在空间忠实度和时间一致性方面优于当前最先进的视频世界模型。 通过使用虚拟前瞻汇点 (Virtual Lookahead Sink) 和跨时空配对，该模型在长距离轨迹上保持了与实际城市街道的高度视觉对齐。这确保了生成的视频即使在导航几分钟后也不会偏离预定的地理路径。

实现这种水平的准确性需要研究人员克服重大的技术障碍，尤其是数据稀疏性。现实世界的街景图像通常由车载摄像头以稀疏的间隔捕获，从而导致数据中出现间隙。SWM 采用视图插值流水线从这些稀疏的捕获中合成连贯的训练视频。该流水线填补了数据点之间的“缺失环节”，使模型能够学习模拟在城市中连续驾驶的平滑摄像机运动。

另一项突破是虚拟前瞻汇点 (Virtual Lookahead Sink)，这是一种旨在稳定长时间生成的机制。该功能通过不断地将生成过程重新锚定到未来位置的检索图像来工作。通过“前瞻”目标目的地，模型可以调整其当前轨迹，以确保最终达到现实世界的视觉锚点。这防止了通常导致生成视频退化为噪声或偏离航线的累积误差，使其成为涉及长程空间推理的 AGI 研究的稳健平台。

解决时间错位问题

在锚定世界模型方面的首要挑战之一是时间错位。从数据库检索的参考图像可能是在与目标场景不同的时间、季节或天气条件下拍摄的。SWM 利用跨时空配对来同步这些多样的数据点。通过对在同一地点但不同时间拍摄的图像对进行训练，模型学会了提取潜在的几何结构，同时对场景中的动态变化（如光照或交通）保持灵活性。

扩大视野：从首尔走向世界

虽然主要焦点是首尔世界模型，但研究人员成功地在首尔、釜山和安娜堡这三个不同的城市环境中评估了该框架。结果一致表明，SWM 的检索增强方法使其能够以极少的调整适应不同的建筑风格和道路布局。这种可扩展性表明，AGI 的未来可能不在于一个单一的、通用的世界模型，而在于一系列可以交换或组合以代表整个物理世界的锚定模型。

展望未来，SWM 的开发标志着向理解物理约束的人工智能转变。该模型的未来迭代可能会整合更多的感官数据，如 LiDAR 或卫星图像，以进一步完善其空间准确性。随着这些锚定模型变得更加复杂，它们将为人工智能走出数字领域、进入物理世界提供必不可少的“世界知识”，最终促成更强大、更可靠的自主系统。