百度Apollo首次披露具身世界模型Apollo World，已在萝卜快跑测试中使用
百度Apollo在深圳AI（人工智能） Day上首次公开面向物理AI（实体世界人工智能）的全模态世界模型Apollo World，并提出“2+3”评判标准。
该模型把交通参与者建模为可决策交互的AI（人工智能）智能体，为萝卜快跑提供虚拟训练环境； 百度称其技术栈可拓展至机器人场景，但尚无机器人的具体部署披露。
公司口径原始来源可核对
事实与证据边界
11月3日，百度在深圳举行的百度AI（人工智能） Day·Apollo专场上首次披露Apollo World。 据百度介绍，该模型支持在虚拟城市任意起终点通行，实时生成相机、激光雷达等多模态观测数据，形成无人车决策与环境反馈的端到端闭环； 虚拟场景内的车辆、行人被建模为具备决策和交互能力的AI智能体。
百度同时提出“2+3”判断标准：“2”为基础门槛，即因果性与交互性； “3”为增益属性，即物理准确性、持久性与实时性。 百度披露，萝卜快跑已落地全球28座城市，累计完成超2300万次出行服务，自动驾驶总里程突破3.5亿公里，其中全无人驾驶里程超2.4亿公里。
分析判断
Apollo World把世界模型的价值落到可验证的工程问题上：因果一致、可交互、长时间运行不漂移、低时延，这些指标直接对应自动驾驶仿真测试能否替代部分实车里程。 其智能体化交通参与者与行程闭环设计，针对的是长尾场景覆盖与新区域部署成本。 对物理AI（人工智能）赛道而言，这提供了一个“世界模型作为评测基础设施”的案例；
但拓展到机器人仅有技术栈层面的表述，尚无机器人端的测试结果或数据。
后续观察信号
- “2+3”标准中各指标如何量化测量
- Apollo World训练数据来源与场景生成的真实性校验方式
- 机器人场景拓展的技术复用点与差异