自动驾驶的虚拟世界，不能把难题一起生成掉

普林斯顿大学 2026 年 10 月 26 日的文章重新介绍了当年 4 月 18 日公开的 ScenarioControl 研究。论文指出，推断参与者数量时可能漏掉被遮挡的对象，使位置匹配精度与几何重叠率同时下降。研究介绍；原论文，第 5.4 节。

这个细节值得单独思考：如果虚拟世界里的障碍变少，测试可能更容易通过，但被测试的驾驶系统未必进步。这里讨论的是如何解释生成场景，而不是判断该研究或某家公司的车辆是否安全。Open Market Notes 的核心判断是，生成系统越擅长制造丰富画面，使用者越需要记录每个场景原本想保留的困难。

被删除的困难，比不真实的天空更难发现

设想一个明确标注为假设的测试：配送车挡住路边骑车人，自动驾驶车辆即将经过。研究者希望比较晴天与阴天的影响，同时固定骑车人的出发时刻、运动轨迹和配送车的位置。如果画面生成后骑车人没有出现，视频仍可能流畅，车辆也可能顺利驶过。然而，这已经不是天气变化下的同一道题，而是一道删掉了关键条件的新题。

难点在于，肉眼更容易注意天空颜色、道路纹理或车辆边缘，而不容易察觉一个本该存在却消失的对象。漂亮的画面因此可能掩盖测试意图的变化。这不是指控生成模型故意规避困难，而是提醒：视觉质量检查与场景有效性检查承担不同任务，前者通过不能替代后者。

同样需要区分的是，场景对象之间的几何重叠，与驾驶策略采取行动后的事故结果，并非同一种统计量。生成阶段减少不合理的物体重叠，当然可能是有用的改进。不能把生成器的一个指标，直接换成驾驶系统的安全结论。

补全未知世界，与出一道指定考题，是两种任务

也存在一种合理的相反解释：摄像头本来就看不到被遮挡的区域，模型没有义务恢复一个唯一、确定的真实世界。面对同一张图，多个不同的隐蔽对象配置都可能合理。若任务是探索可能性，强行规定只有一种补全正确，反而会误解生成模型的用途。

但如果任务是验证车辆能否处理一个预先指定的骑车人冲出场景，这个骑车人就不再是可有可无的想象。测试设计者已经把它写进条件，生成结果必须保留它。两种用途可以共用工具，却不能共用未经区分的验收规则。前者需要呈现不确定性的范围，后者需要保证指定条件没有丢失。

这一区别也决定了失败应该记在哪里。一个没有满足指定条件的场景，应先记为场景生成失败，而不是进入驾驶策略的通过率分母。如果只留下好看的、容易运行的场景，再汇总车辆表现，就无法知道被剔除的部分是否恰好包含更难的测试。记录被拒绝的生成结果，不是为了让模型显得更差，而是让证据的筛选过程可见。

控制变量，才使更多画面成为可比较的证据

Waymo 在 2026 年 2 月介绍其世界模型时，分别列出驾驶动作、场景布局和语言控制，并说明输出包括摄像头与激光雷达数据。公司介绍。这提供了行业背景，但并不意味着它采用了 ScenarioControl，也不能证明任何具体测试已经充分。

对读者更有价值的问题是：一次比较中究竟改变了什么？若晴天场景换成雨天时，其他车辆的位置、速度和道路宽度也变了，就难以把结果差异归因于天气。反过来，若所有条件都锁得太紧，也可能只在一个过于狭窄的例子中取得稳定结果。合理做法不是在“完全随机”与“完全固定”之间二选一，而是明确哪些条件固定、哪些变化，以及为什么这样设计。

我们把这种记录称为“场景难度账本”，这是本文提出的分析方式，并非论文中的产品名称。它把原始测试意图与实际生成内容放在一起：需要出现的对象是否存在，遮挡是否保留，何时出现冲突，车辆面对了哪些行动选择。账本的作用不是给每个场景强行计算一个通用难度分数，而是防止不同的题目被当成同一道题比较。

版本信息也应跟随结果。生成器更新后，即使提示词没有变，场景分布仍可能变化。如果驾驶策略和生成器同时更新，整体通过率上升就包含了两个变化来源。保留一组固定场景作为参照，再观察新增场景揭示了什么，可以帮助区分车辆改进与考题变化。这是评估设计建议，不是对任何现有系统测试流程的描述。

最终需要解释的，是车辆的选择

NIST 正在开展的测量研究把仿真与实体车辆验证结合，并比较实际决策与反事实选择；可接受表现的门槛仍由监管者与行业决定。研究计划。这是进行中的研究方向，不是已经完成的认证制度。

沿着这个方向，虚拟测试不必只问“是否撞上”。在假设的骑车人场景中，还可以问车辆为何减速、是否保留了安全余量，以及另一种行动是否更合理。没有发生事故可能是有效应对，也可能只是关键对象没有出现；过度保守的行动可能避免了冲突，却没有解释系统是否真正理解情境。这些问题不能仅从最终画面的观感获得答案。

生成技术的价值并不会因此缩小。若有效场景更容易制作，研究者可以用同样的制作资源探索更多假设。变化在于，瓶颈可能从“能否做出画面”转向“能否确认这张画面仍在考我们想考的问题”。增加生成量只是供给，确认测试意图、保留难度与解释行为，才让供给转化为证据。

本文没有独立复现实验，也没有据此推断道路部署的就绪程度。它强调一个更有限、也更实用的判断：虚拟世界可以比过去更丰富，但若把困难也一起生成掉，顺利通过测试就会失去原本的意义。