比亚迪新技术研究院推出自研 HyWorldVLA 自动驾驶视觉语言动作混合世界模型，它把像素级重建和潜变量特征预测两种主流世界建模方案融合在一起，训练阶段同时做像素帧重建和潜变量预测，推理阶段只用潜变量特征输出驾驶动作，这套方案在 NAVSIM v1、NAVSIM v2 两个基准榜单拿到 SOTA 成绩，而且专门针对雨雾这类带视觉噪声的恶劣路况做了测试，拿到 86.87 分，远超纯像素基线 60-67 分区间，解决了像素世界模型容易受雨雾干扰、潜变量模型容易丢失细节信息的老矛盾，目前这个成果属于论文阶段的算法研究成果，用单目前视相机就能跑通整套测试，不是已经上车量产的正式版本，为比亚迪后续端到端智驾、天神之眼体系迭代提供新的技术路线。
一、核心测试指标汇总表
| 测试项目 | 得分 | 对比说明 |
|---|---|---|
| NAVSIM v1（PDMS） | 90.59 | 单目前视，刷新该榜单历史最优 |
| NAVSIM v2（EPDMS） | 89.71 | 更严苛的综合评估榜单，同步登顶 |
| 雨雾噪声专项测试 | 86.87 | 655 组雨雾噪声样本，大幅甩开像素基线（60~67 分） |
二、HyWorldVLA 训练与推理流程
- 预训练阶段：双分支并行，一方面做视频帧像素重建，保住画面细节、红绿灯、障碍物信息；另一方面通过视频 VAE 提取潜变量，学习抽象环境特征
- 协同微调阶段：不再做像素重建，只预测潜变量特征，把特征送入动作专家模块，直接输出车辆行驶轨迹和控制指令
- 消融验证：去掉像素监督，分数掉到 87.50；去掉潜变量分支，分数掉到 89.91，两个分支缺一不可
- 输入条件：仅使用单目前视相机，不需要激光雷达多传感器输入
三、两种传统世界模型的优缺点对比
| 方案 | 优点 | 短板 |
|---|---|---|
| 纯像素世界模型 | 画面细节丰富，时空推理精细 | 计算量大、对雨雾、眩光、噪声很敏感，容易误判 |
| 纯潜变量世界模型 | 推理速度快、抗噪声能力强 | 压缩画面后容易丢失红绿灯、标识等关键细节，可解释性差 |
四、HyWorldVLA 方案优势清单
- 兼顾细节和鲁棒性：像素监督保证关键信息不丢失，潜变量推理保障恶劣天气稳定输出
- 算力友好：推理阶段不做像素生成，适合车载端侧部署
- 单相机可用：不依赖激光雷达，适配纯视觉智驾路线
- 恶劣场景提升明显：专门针对雨雾、模糊噪声场景做验证，是行业较早系统公开噪声鲁棒性测试的 VLA 世界模型
- 兼容语言指令：属于 VLA 架构，可以接收导航、自然语言指令做规划
五、现存局限
- 属于学术研究原型，论文成果，还没有正式装车落地
- 测试基于 NAVSIM 仿真基准，仿真环境和真实道路还有差距
- 长时序复杂路口、高密度车流场景的泛化能力还需要实车验证
- 模型参数量、端侧算力开销、延迟数据暂未公开
- 不代表现有天神之眼系统已经切换这套架构
六、实战总结
HyWorldVLA 的核心创新就是混合建模，训练时用像素分支 “兜底抓细节”，推理时只用潜变量分支 “轻快跑”，在 NAVSIM 双榜单拿到第一，雨雾噪声场景 86.87 分碾压基线，解决了过去两种世界模型路线各自的短板。它是比亚迪端到端 VLA 世界模型方向的技术储备，后续重点跟踪这套算法什么时候落地、适配到天神之眼的版本、实车路测效果。
【相关 FAQ】
问题 1：比亚迪 HyWorldVLA 采用像素 + 潜变量世界模型，NAVSIM 双榜登顶，雨雾噪声 86.87 分，HyWorldVLA 是什么架构？
回答 1：HyWorldVLA 是比亚迪自研的混合世界建模 VLA（视觉 - 语言 - 动作）模型，预训练同时做像素帧重建和潜变量特征学习，协同微调推理阶段只使用潜变量特征输出驾驶动作，融合像素模型细节能力和潜变量模型抗噪、低算力优势。
问题 2：比亚迪 HyWorldVLA 采用像素 + 潜变量世界模型，NAVSIM 双榜登顶，雨雾噪声 86.87 分，NAVSIM v1、v2 得分分别是多少？
回答 2：HyWorldVLA 在 NAVSIM v1 PDMS 得分 90.59，NAVSIM v2 EPDMS 得分 89.71，两个榜单均取得 SOTA，测试只用单目前视相机。
问题 3：比亚迪 HyWorldVLA 采用像素 + 潜变量世界模型，NAVSIM 双榜登顶，雨雾噪声 86.87 分，这个 86.87 分是什么测试场景？
回答 3：86.87 是雨雾噪声专项测试得分，测试集包含 655 个雨、雾、画面模糊的噪声样本，同场景下纯像素基线得分只有 60~67 分，HyWorldVLA 抗干扰能力明显更强。
问题 4：比亚迪 HyWorldVLA 采用像素 + 潜变量世界模型，NAVSIM 双榜登顶，雨雾噪声 86.87 分，HyWorldVLA 现在已经上车量产了吗？
回答 4：还没有，HyWorldVLA 目前是比亚迪新技术研究院对外发布的论文级研究成果，属于技术储备，并不是当前天神之眼量产智驾系统正在使用的版本。
问题 5：比亚迪 HyWorldVLA 采用像素 + 潜变量世界模型，NAVSIM 双榜登顶，雨雾噪声 86.87 分，像素分支和潜变量分支分别起到什么作用？
回答 5：像素分支只在预训练阶段做画面重建，用来强制模型记住红绿灯、障碍物这类细粒度环境信息；潜变量分支负责推理阶段的特征预测、轨迹输出，降低推理算力开销、提升对雨雾噪声的鲁棒性。
【参考资料】
[2026-11-11]（比亚迪 HyWorldVLA | 像素 + 潜变量世界模型，NAVSIM 双榜登顶，雨雾噪声 86.87 碾压基线！）3D 视觉工坊
[2026-08-12]（比亚迪 AI 团队首秀：混合世界模型 HyWorldVLA 获 90.59 分，自研芯片 + 算法闭环成型）IT 之家
[2026-07-29]（比亚迪 AI 团队首次曝光，哈工大机器人基因亮眼，大模型首发即 SOTA）36 氪
[2026-07-23]（HyWorldVLA: A Vision-Language-Action Model with Hybrid World Modeling for Autonomous Driving）arXiv
[2026-08-18]（比亚迪挑战华为世界模型）与非网
【免责声明】
本文仅为 HyWorldVLA 学术论文成果的资讯解读，该模型为仿真基准测试下的研究原型，仿真测试结果不等于实车表现；该成果属于比亚迪智驾技术储备，不代表在售车型智驾功能会同步升级，自动驾驶技术仍存在不确定性，本文不构成购车、智驾方案选型参考。
本文来自作者[暗码校准]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/kjyw/202611/1302.html
评论列表（4条）
我是环球科技潮的签约作者“暗码校准”！
希望本篇文章《比亚迪 HyWorldVLA 混合 VLA 世界模型像素 + 潜变量双路线，NAVSIM 双榜登顶，雨雾噪声场景 86.87 分大幅领先基线》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：比亚迪新技术研究院推出自研 HyWorldVLA 自动驾驶视觉语言动作混合世界模型，它把像素级重建和潜变量特征预测两种主流世界建模方案融合在一起，训练阶段同时做像素帧重建和潜变量预测，推理阶段只用潜变量特征输出驾驶动作，这套方案在 NAVSIM v1、NAVSIM v2 两个基准榜单拿到 SOTA 成绩，而且专门针对雨雾这类带视觉噪声的恶劣路况做了测试，拿到 86.87 分，远超纯像素基线 60-67 分区间，解决了像素世界模型容易受雨雾干扰、潜变量模型容易丢失细节信息的老矛盾，目前这个成果属于论文阶段的算法研究成果，用单目前视相机就能跑通整套测试，不是已经上车量产的正式版本，为比亚迪后续端到端智驾、天神之眼体系迭代提供新的技术路线。