小米EV世界模型：融合重建与生成的自动驾驶统一框架

小米团队日前公开发布技术报告，提出一套名为“小米EV世界模型”的统一框架，将自动驾驶的世界表征与生成能力融合为一体。该报告出自arXiv，编号2605.18137v2，核心思路是让自动驾驶系统既“看懂”场景，又能“推演”未来。这可不是简单的拼凑，而是把重建与生成两条技术路线拧成一股绳。

世界表征：WorldRec的高效重建之路

在表征层面，小米提出了WorldRec，一种前馈式重建架构。它不依赖逐帧处理，而是通过稀疏场景查询来驱动。具体来说，WorldRec在3D空间初始化结构化的查询，再以此来聚合跨视角、跨时间维度的特征。这招挺巧妙：自然强制了帧与帧之间的空间一致性，最终产出紧凑但保真度极高的3D高斯场景表征。为什么传统方法总是顾此失彼？其实就在于缺乏这种结构化的空间约束。

世界生成：重建与生成的统一究竟意味着什么？

这份报告明确指出，世界模型的两大核心能力——世界表征与世界生成——需要统一技术体系来解决。正因如此，WorldRec不只是服务于当下感知，更为生成任务做好准备。它能将三维场景以高保真度压缩成紧凑的表示，让生成模型在此基础上进行推演。咱们想想看，如果感知和理解是两张皮，自动驾驶凭什么能可靠地预测未来的路况？

技术亮点：稀疏查询驱动全局一致

值得关注的是WorldRec的跨帧一致性机制。传统方法常因视角或光照变化产生抖动量，而WorldRec通过3D空间的初始化查询，把多帧信息聚合到一个稳定的框架里。没错，这样做既减少了计算冗余，又让重建结果更可信。报告特别提到“简洁但高保真的3D高斯场景表示”，这说明小米在效率与精度之间找到了平衡点。这确实是个扎实的工程方向。

小米EV世界模型：自动驾驶的“统一解”

把重建和生成放到一个模型里，而不是搞两套独立系统，这对自动驾驶来说意味着更高的数据利用率和更强的泛化能力。未来的车载AI不能只看路，还得能在脑海里“预演”各种可能性。小米EV世界模型正是在做这件事：让世界表征和世界生成在同一个框架内协同工作。这样一来，系统对环境的理解不再是单薄的，而是动态的、可推演的。

总结：一个值得关注的统一框架方向

从公开的技术细节看，小米EV世界模型提出了一个融合重建与生成的统一方案，WorldRec的稀疏查询架构是其核心技术亮点。虽然报告还在学术预印本阶段，但思路确实清晰：用结构化的3D查询来统筹跨视角、跨时间的信息。这为自动驾驶世界模型的工程落地提供了一个可行的参考路径。至于能否真正上车跑起来，就看后续实际测试了。