上个月，#BYD 新技术研究院的 AI 团队发布了其首篇论文，提出了一种名为HyWorldVLA 的混合世界模型，用于自动驾驶。该模型结合了像素级和潜在空间的世界建模，并采用了视觉-语言-动作 (VLA) 架构。
在公共自动驾驶基准 NAVSIM v1 上，该模型取得了 90.59 的 PDMS 分数，创下新纪录。在具有更全面指标集的 NAVSIM v2 上，HyWorldVLA 也取得了领先的 89.71 分数。