本报讯(记者梁傲男)9月2日，酷哇科技有限公司(以下简称“酷哇科技”)发布自适应想象世界模型框架RISE，并同步开放论文、代码及CounterDrive(反向传动装置)数据集。
世界动作模型通常会在机器人执行动作前，对未来环境进行推演。但现有模型大多采用固定推演深度，无论面对空旷道路还是复杂路口，消耗的算力基本相同。由此带来的问题是，简单场景容易产生算力浪费，复杂场景又可能“想得不够深”。
RISE引入潜在评估器和推演门控机制，在每一步推演后，比较继续推演可能带来的规划收益与算力成本。机器人可以在简单场景中提前停止，在行人、车辆密集的复杂场景中延长推演。
根据酷哇科技披露的数据，RISE单次推理平均进行2.40次推演，平均延迟约287毫秒；在NAVSIM(数据驱动的自动驾驶仿真与评测框架)v1和v2基准测试中，分别取得91.5PDMS(预测驾驶模型得分)和90.8EPDMS(扩展的预测驾驶模型得分)。将其以插件形式接入酷哇此前发布的DAWN架构后，后者的PDMS得分由89.1提升至90.3。
与RISE一同开源的CounterDrive数据集，主要用于补充真实驾驶数据中较为稀缺的事故及危险场景。实验显示，引入该数据集后，模型在不同时间窗口的风险识别AUC(衡量风险识别模型性能的核心指标)由约0.5提升至0.93以上，事故识别准确率达到0.96。
对于正在推进“一脑多态”战略的酷哇而言，RISE的意义不仅在于提升模型成绩。其更现实的落点，是让同一套具身智能系统能够根据场景和终端形态分配算力，从而降低城市服务机器人、自动驾驶车辆及足式机器人规模化部署时的硬件与运营成本。
