小米技术官微发布消息称，小米汽车正式发布Xiaomi Auto World Model全新框架，首次将三维重建（WorldRec）与视频生成（WorldGen）深度耦合。
PChome 5月26日消息，小米技术官微发布消息称，小米汽车正式发布Xiaomi Auto World Model全新框架，首次将三维重建（WorldRec）与视频生成（WorldGen）深度耦合，提出“重建锚定几何、生成填补想象”的一体化新范式，打破了行业长期将重建与生成独立拆分的传统路线。
该框架旨在为智能驾驶构建一个可预测、可推理的“数字平行世界”。其核心在于让重建与生成模块在结构上互相约束：重建侧提供精确的3D几何作为“地基”，确保场景结构稳定一致；生成侧则负责“填补”未来帧、未观测视角等空白区域，赋予系统“想象”未来和未知的能力。这种深度耦合有效抑制了长时序生成中的内容漂移，实现了“1+1>2”的协同效果，在稳定性、一致性和真实性三个关键维度上表现突出。
据悉，其重建模块（WorldRec）采用创新的稀疏三维锚点表征，将10秒视频的重建时间压缩至10秒，效率显著提升。生成模块（WorldGen）经过两阶段训练优化，单帧生成仅需0.19秒，并支持长达1分钟的连续视频生成，能高质量合成暴雨、动物闯入等罕见但危险的长尾场景，为感知模型训练提供了宝贵数据。
性能方面，该框架在Waymo、nuScenes等权威基准测试中全面领先。在Waymo数据集上，其重建精度（PSNR）达到28.48，超越此前最优方法；在生成质量上，其FVD指标也优于同类双向与自回归模型。
目前，Xiaomi Auto World Model已成功应用于小米汽车的合成数据生成、仿真测试与“辅助驾驶学堂”三大业务场景，标志着这项前沿技术从实验室SOTA走向了规模化落地。
