A重点83
机器之心
1 个来源世界模型驶入F1赛道：探索极限工况下具身智能体的认知物理边界
新加坡南洋理工大学AutoMan Lab团队联合K2等机构，以自动驾驶方程式赛车为平台，构建了以世界模型为中心的极限具身智能体架构，探索认知与物理极限的耦合边界。该研究依托A2RL赛事，在仿真和实车环境中验证了高速自动驾驶能力，并获得了2025年度全球第四的成绩。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读会员精读
世界模型驶入F1赛道：探索具身智能的认知物理极限
版本 1 · 1 个来源
新加坡南洋理工大学AutoMan Lab团队以自动驾驶赛车为平台，构建以世界模型为中心的智能体架构，探索具身智能在极端工况下的认知与物理极限，并在A2RL赛事中取得全球第四的成绩。
- 团队提出以世界模型为中心的自动驾驶赛车智能体，统一描述外部交互、自车动力学和可行运动范围。
- 在A2RL赛事中，Kinetiz车队获得2025年度SIM-Sprint总冠军，线下Grand Final全球第四（亚洲第一）。
- 真实赛车数据中，系统在最高256.3 km/h下保持稳定，峰值横向加速度达26.8 m/s²。
展开章节目录研究背景与核心问题
研究背景与核心问题
具身智能体在真实世界极端工况下的能力边界是核心问题。传统研究多在保守安全裕度或中等复杂度环境中进行，难以回答智能体在真实部署时的安全性和可靠性边界。
团队将问题拆解为认知极限和物理极限。认知极限指智能体在高速动态环境中构建和更新世界理解、预测和决策的能力；物理极限指车辆动力学、轮胎附着、执行器能力等约束下的可行运动范围。两者相互耦合：认知误差可能迅速转化为物理风险，物理边界变化也会改变决策空间。
可信度边界
本文信息主要来源于机器之心对南洋理工大学AutoMan Lab研究的报道，属于二手转述。文中具体数据（如256.3 km/h、88.3%等）均来自该报道，未获第一方论文或官方数据核实，应视为来源声称而非已确认事实。
主报道
机器之心
主报道来源