Waymo og fremkomsten af "verdensmodeller" til kørsel: hvad en Genie-lignende simulator ændrer

Selvkørende systemer lever og dør af ét spørgsmål:hvad sker der nu?

Sensorer fortæller et autonomt køretøj, hvordan verden ser ud lige nu – kamerabilleder, lidar-punktskyer, radarrefleksioner, GPS og IMU-målinger. Men sikker kørsel er forventning: at forudsige, hvordan fodgængere kan bevæge sig, om en cyklist vil flette ind, hvordan en bil kan glide over en vognbanelinje, og hvad et blokeret kryds kan afsløre.

Det er dér, ideen om enverdensmodelkommer ind. En verdensmodel er en lært repræsentation af, "hvordan verden fungerer", der kan rulles frem i tiden: givet den aktuelle scene og en handling kan den generere plausible fremtidige scener. Inden for robotteknologi og autonomi er drømmen at have en model, der kan simulere virkeligheden godt nok til at træne og validere politikker, før de overhovedet rammer offentlige veje.

Rapporter om, at Waymo udnytter enGenie 3–stiltilgangen til at skabe en verdensmodel for kørsel er en stor ting – ikke fordi den på magisk vis løser autonomi, men fordi den signalerer et skift i, hvad branchen anser for at være flaskehalsen.

Køreautonomi er to problemer: opfattelse og forudsigelse

Tidlige samtaler om selvkørende biler fokuserede på opfattelse: "Kan bilen se?" Det omfatter at detektere objekter, klassificere dem, estimere deres position og hastighed og spore dem over tid.

I dag handler grænsen i stigende grad om forudsigelse og planlægning:

Forudsigelse: forudsigelse af andre aktørers fremtidige bevægelsesbaner (biler, cykler, fodgængere).
Planlægning: at vælge køretøjets egen bane for at være sikker, lovlig og komfortabel.

Fejl i opfattelsen er stadig vigtige, men selv perfekt opfattelse giver dig ikke sikkerhed for intentionen. En fodgænger ved en kantsten kan træde ud. En bilist kan køre over for rødt. En cyklist kan vakle.

En verdensmodel har til formål at indkode disse usikkerheder, så planlæggeren kan ræsonnere om dem.

Hvad er en "verdensmodel" i ML-termer?

Inden for maskinlæring er en verdensmodel typisk en generativ model, der er trænet på store mængder erfaring. Den kan:

Repræsenterer miljøets latente tilstand.
Forudsig hvordan staten udvikler sig.
Generer observationer, der er i overensstemmelse med denne udvikling.

For kørsel er observationerne multimodale: billeder, lidar, kort og semantiske betegnelser.

Kerneværdien er, at når du først er trænet, kan dueksempel futuresog stresstestbeslutninger. I stedet for at spørge "hvad er den ene forudsagte vej", spørger du "hvad er de plausible veje, og hvilke er farlige?"

Hvorfor simulering er centralt (og hvorfor det er så svært)

Waymo og andre er allerede i høj grad afhængige af simulering. Problemet er kvaliteten af grafik.

Traditionelle simulatorer er bygget op af:

Håndforfattet fysik og køretøjsdynamik.
Sceneaktiver (veje, bygninger, trafiklys).
Manuskriptskrevne "skuespillere", der følger regler.

Disse er fantastiske til mange tests, men virkelighedens lange hale er brutal: mærkelig fodgængeradfærd, usædvanlig belysning, vejarbejde, sjælden skiltning, lokale kørselskulturer, vejrforhold, sensorfejl og de millioner af subtile interaktioner, der aldrig dukker op i et ryddeligt regelsæt.

En model af den lærte verden er attraktiv, fordi den kan indfange rodede fordelinger direkte fra data. Hvis du har nok rigtige kørselslogfiler, kan du træne en model til at generere scener, der "føles" som vejen – inklusive det mærkelige.

Men "føles ægte" er ikke nok for sikkerhed. Kørsel er en fjendtlig proces: hvis din model overser selv et lille sæt sjældne, men dødbringende scenarier, kan systemet stadig fejle.

Hvad en Genie-stil tilgang antyder

Et Genie-lignende system (som rapporteret) indebærer en model, der kan generere plausible fremtidige rammer betinget af handlinger og kontekst.

Hvis Waymo kan generere high-fidelity "next frames" til komplekse byscener, kan det potentielt:

Skabekontrafaktiske"Hvad nu hvis vi havde sat farten ned tidligere?" "Hvad nu hvis vi havde taget mellemrummet til venstre?"
Øgedækning af sjældne hændelser: oversampling af usædvanlige situationer til træning.
Forbedrelukket kredsløbstræningtræn en politik i den simulerede verden, ikke kun på loggede data.

Dette er et skridt videre end "at genafspille optagede logs". Det er som at gå fra at se kørevideoer til at have en sandkasse, hvor selve sandkassen opfører sig som en by.

Sikkerhedslåsen: modelfejl forværres

Der er en grund til, at sikkerhedsteams er forsigtige med lærte simulatorer: små fejl forværres over tid.

Hvis en verdensmodel tager en smule fejl vedr.:

Hvordan fodgængere accelererer,
Hvordan biler reagerer på opbremsning,
Hvordan sensorer opfører sig under genskin,

så kan en simuleret udrulning afvige fra virkeligheden efter et par sekunder. Det kan producere træningssignaler, der optimerer til simulatorens særheder snarere end den virkelige verden - et problem, der undertiden kaldessim-til-real-gab.

Moderne tilgange afhjælper dette med:

Kortsigtede udrulninger kombineret med rigtige logfiler.
Domænerandomisering (tilføjelse af støj og variation).
Validering i forhold til forudsete virkelige scenarier.
Sikkerhedsbegrænsninger, der ikke udelukkende er afhængige af lærte forudsigelser.

En verdensmodel kan være utrolig nyttig, selvom den ikke er "perfekt virkelighed", så længe du ved, hvor den er pålidelig, og hvor den ikke er.

Verdensmodeller og kort: strukturen under pixels

En selvkørende bil reagerer ikke kun på billeder. Den er også afhængig af struktur:

HD-kort (vognbanegeometri, trafikstyringsenheder).
Lokalisering (hvor er jeg på kortet?).
SLAM-lignende komponenter i nogle systemer (især uden for kortlagte områder).

En stærk verdensmodel skal integrere den struktur. Ellers bliver den en smart videogenerator, der ikke kan opretholde ensartet geometri.

Derfor blandes autonomiens modeller ofte sammen:

Funktioner i lært perception,
Eksplicitte geometriske begrænsninger,
Kortforudgående oplysninger,
Agentbaserede repræsentationer (andre trafikanter som enheder med intentioner).

De bedste systemer er hybride: de bruger læring, hvor data er rige, og regler, hvor begrænsningerne er strenge.

Hvilke ændringer for produktudvikling

Den mest praktiske effekt af en god verdensmodel eringeniørhastighed.

I dag kræver forbedring af en autonom kørestak ofte:

At finde virkelige fiaskoer (afbrydelser, nærved-ulykker).
Tilføjelse af data og etiketter.
Tuningforudsigelse/planlægning.
Revalidering på tværs af store scenariesuiter.

Hvis en verdensmodel kan generere realistiske variationer af fejlen, kan ingeniører iterere hurtigere. Det kan også hjælpe med at besvare spørgsmål som:

"Er denne adfærd sikker på tværs af en distribution, eller var det heldigt i én log?"
"Hvor følsomt er systemet over for fodgængeres tøven?"
"Hvad er det værst tænkelige udfald, hvis en anden bilist opfører sig aggressivt?"

Hurtigere iteration er ikke en garanti for sikkerhed – men det kan forbedre feedback-loopet.

De store åbne spørgsmål

Selv om verdensmodellen er fremragende, er der hårde grænser:

AnsvarlighedKan du forklare, hvorfor systemet forudsagde en given fremtid?
ValideringHvordan certificerer man en indlært simulator som repræsentativ?
KantsagerHvordan sikrer I, at sjældne, men kritiske scenarier er dækket?
Politisk robusthedOpfører en politik, der er trænet i modellen, sig sikkert i virkeligheden?

Det er her, regulatorer og sikkerhedsargumenter kommer ind i billedet. Selvkørende køretøjer vil have brug for argumenter, der forbinder trænings- og testmetoder med reelle risici.

Konklusion

En high-fidelity-verdensmodel er et effektivt værktøj til autonomi, fordi den ændrer kørsel fra "kun at lære af, hvad der skete" til "at lære af, hvad der kunne ske". Hvis Waymo kan bruge et Genie 3-lignende system til at generere realistiske fremtidige vejscener, kan det accelerere træning, scenarietest og sikkerhedsevaluering - men den svære del er stadig at bevise, at den simulerede verden er trofast nok til, at forbedringer overføres til virkelige gader.

Kilder

Document Title
Waymo and the rise of “world models” for driving: what a Genie-style simulator changes	Waymo og fremkomsten af "verdensmodeller" til kørsel: hvad en Genie-lignende simulator ændrer

Waymo is reportedly using a Genie 3-style system to build a world model for autonomous driving. Here’s what world models are, why simulation matters, and the remaining safety gaps.	Waymo bruger angiveligt et Genie 3-lignende system til at bygge en verdensmodel for autonom kørsel. Her er hvad verdensmodeller er, hvorfor simulering er vigtig, og de resterende sikkerhedshuller.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Abdul Jabbar	Se alle indlæg af Abdul Jabbar
Sixteen AI agents built a C compiler together — why that matters (and what it doesn't mean yet)	Seksten AI-agenter byggede en C-compiler sammen – hvorfor det er vigtigt (og hvad det endnu ikke betyder)
Page Content
Waymo and the rise of “world models” for driving: what a Genie-style simulator changes	Waymo og fremkomsten af "verdensmodeller" til kørsel: hvad en Genie-lignende simulator ændrer
Blog
/
General
/ By
Abdul Jabbar
Self-driving systems live and die by one question:	Selvkørende systemer lever og dør af ét spørgsmål:
what happens next?
Sensors tell an autonomous vehicle what the world looks like right now — camera frames, lidar point clouds, radar reflections, GPS and IMU measurements. But safe driving is anticipation: predicting how pedestrians might move, whether a cyclist will merge, how a car might drift over a lane line, and what an occluded intersection might reveal.	Sensorer fortæller et autonomt køretøj, hvordan verden ser ud lige nu – kamerabilleder, lidar-punktskyer, radarrefleksioner, GPS og IMU-målinger. Men sikker kørsel er forventning: at forudsige, hvordan fodgængere kan bevæge sig, om en cyklist vil flette ind, hvordan en bil kan glide over en vognbanelinje, og hvad et blokeret kryds kan afsløre.
That’s where the idea of a
world model
comes in. A world model is a learned representation of “how the world works” that can be rolled forward in time: given the current scene and an action, it can generate plausible future scenes. In robotics and autonomy, the dream is to have a model that can simulate reality well enough to train and validate policies before they ever touch public roads.	kommer ind. En verdensmodel er en lært repræsentation af, "hvordan verden fungerer", der kan rulles frem i tiden: givet den aktuelle scene og en handling kan den generere plausible fremtidige scener. Inden for robotteknologi og autonomi er drømmen at have en model, der kan simulere virkeligheden godt nok til at træne og validere politikker, før de overhovedet rammer offentlige veje.
Reports that Waymo is leveraging a	Rapporter om, at Waymo udnytter en
Genie 3
–style approach to create a world model for driving are a big deal — not because it magically solves autonomy, but because it signals a shift in what the industry thinks is the bottleneck.	–stiltilgangen til at skabe en verdensmodel for kørsel er en stor ting – ikke fordi den på magisk vis løser autonomi, men fordi den signalerer et skift i, hvad branchen anser for at være flaskehalsen.
Driving autonomy is two problems: perception and prediction	Køreautonomi er to problemer: opfattelse og forudsigelse
Early conversations about self-driving focused on perception: “Can the car see?” That includes detecting objects, classifying them, estimating their position and velocity, and tracking them over time.	Tidlige samtaler om selvkørende biler fokuserede på opfattelse: "Kan bilen se?" Det omfatter at detektere objekter, klassificere dem, estimere deres position og hastighed og spore dem over tid.
Today, the frontier is increasingly prediction and planning:	I dag handler grænsen i stigende grad om forudsigelse og planlægning:
Prediction
: forecasting the future trajectories of other agents (cars, bikes, pedestrians).	: forudsigelse af andre aktørers fremtidige bevægelsesbaner (biler, cykler, fodgængere).
Planning
: choosing the vehicle’s own trajectory to be safe, legal, and comfortable.	: at vælge køretøjets egen bane for at være sikker, lovlig og komfortabel.
Perception errors are still important, but even perfect perception doesn’t give you certainty about intent. A pedestrian at a curb might step out. A driver might run a red light. A cyclist might wobble.	Fejl i opfattelsen er stadig vigtige, men selv perfekt opfattelse giver dig ikke sikkerhed for intentionen. En fodgænger ved en kantsten kan træde ud. En bilist kan køre over for rødt. En cyklist kan vakle.
A world model aims to encode those uncertainties so the planner can reason about them.	En verdensmodel har til formål at indkode disse usikkerheder, så planlæggeren kan ræsonnere om dem.
What is a “world model” in ML terms?	Hvad er en "verdensmodel" i ML-termer?
In machine learning, a world model is typically a generative model trained on large volumes of experience. It can:	Inden for maskinlæring er en verdensmodel typisk en generativ model, der er trænet på store mængder erfaring. Den kan:
Represent the latent state of the environment.	Repræsenterer miljøets latente tilstand.
Predict how the state evolves.	Forudsig hvordan staten udvikler sig.
Generate observations consistent with that evolution.	Generer observationer, der er i overensstemmelse med denne udvikling.
For driving, the observations are multi-modal: images, lidar, maps, and semantic labels.	For kørsel er observationerne multimodale: billeder, lidar, kort og semantiske betegnelser.
The core value is that, once trained, you can	Kerneværdien er, at når du først er trænet, kan du
sample futures
and stress-test decisions. Instead of asking “what is the one predicted path,” you ask “what are the plausible paths, and which ones are dangerous?”	og stresstestbeslutninger. I stedet for at spørge "hvad er den ene forudsagte vej", spørger du "hvad er de plausible veje, og hvilke er farlige?"
Why simulation is central (and why it’s so hard)	Hvorfor simulering er centralt (og hvorfor det er så svært)
Waymo and others already rely heavily on simulation. The problem is fidelity.	Waymo og andre er allerede i høj grad afhængige af simulering. Problemet er kvaliteten af grafik.
Traditional simulators are built from:	Traditionelle simulatorer er bygget op af:
Hand-authored physics and vehicle dynamics.	Håndforfattet fysik og køretøjsdynamik.
Scene assets (roads, buildings, traffic lights).	Sceneaktiver (veje, bygninger, trafiklys).
Scripted “actors” that follow rules.	Manuskriptskrevne "skuespillere", der følger regler.
These are great for many tests, but the long tail of reality is brutal: odd pedestrian behavior, unusual lighting, construction zones, rare signage, local driving cultures, weather edge cases, sensor glitches, and the million subtle interactions that never show up in a tidy rule set.	Disse er fantastiske til mange tests, men virkelighedens lange hale er brutal: mærkelig fodgængeradfærd, usædvanlig belysning, vejarbejde, sjælden skiltning, lokale kørselskulturer, vejrforhold, sensorfejl og de millioner af subtile interaktioner, der aldrig dukker op i et ryddeligt regelsæt.
A learned world model is attractive because it can capture messy distributions directly from data. If you have enough real driving logs, you can train a model to generate scenes that “feel” like the road — including the weirdness.	En model af den lærte verden er attraktiv, fordi den kan indfange rodede fordelinger direkte fra data. Hvis du har nok rigtige kørselslogfiler, kan du træne en model til at generere scener, der "føles" som vejen – inklusive det mærkelige.
But “feels real” is not enough for safety. Driving is adversarial: if your model misses even a small set of rare but deadly scenarios, the system can still fail.	Men "føles ægte" er ikke nok for sikkerhed. Kørsel er en fjendtlig proces: hvis din model overser selv et lille sæt sjældne, men dødbringende scenarier, kan systemet stadig fejle.
What a Genie-style approach suggests	Hvad en Genie-stil tilgang antyder
A Genie-style system (as reported) implies a model that can generate plausible future frames conditioned on actions and context.	Et Genie-lignende system (som rapporteret) indebærer en model, der kan generere plausible fremtidige rammer betinget af handlinger og kontekst.
If Waymo can generate high-fidelity “next frames” for complex urban scenes, it can potentially:	Hvis Waymo kan generere high-fidelity "next frames" til komplekse byscener, kan det potentielt:
Create
counterfactuals
: “What if we had slowed earlier?” “What if we took the left gap?”	"Hvad nu hvis vi havde sat farten ned tidligere?" "Hvad nu hvis vi havde taget mellemrummet til venstre?"
Increase
rare-event coverage	dækning af sjældne hændelser
: oversample uncommon situations for training.	: oversampling af usædvanlige situationer til træning.
Improve
closed-loop training
: train a policy inside the simulated world, not just on logged data.	træn en politik i den simulerede verden, ikke kun på loggede data.
This is a step beyond “replaying recorded logs.” It’s like moving from watching driving videos to having a sandbox where the sandbox itself behaves like a city.	Dette er et skridt videre end "at genafspille optagede logs". Det er som at gå fra at se kørevideoer til at have en sandkasse, hvor selve sandkassen opfører sig som en by.
The safety catch: model errors compound	Sikkerhedslåsen: modelfejl forværres
There’s a reason safety teams are cautious about learned simulators: small errors compound over time.	Der er en grund til, at sikkerhedsteams er forsigtige med lærte simulatorer: små fejl forværres over tid.
If a world model is slightly wrong about:	Hvis en verdensmodel tager en smule fejl vedr.:
How pedestrians accelerate,	Hvordan fodgængere accelererer,
How cars respond to braking,	Hvordan biler reagerer på opbremsning,
How sensors behave under glare,	Hvordan sensorer opfører sig under genskin,
then a simulated rollout can drift away from reality after a few seconds. That can produce training signals that optimize for the simulator’s quirks rather than the real world — a problem sometimes called	så kan en simuleret udrulning afvige fra virkeligheden efter et par sekunder. Det kan producere træningssignaler, der optimerer til simulatorens særheder snarere end den virkelige verden - et problem, der undertiden kaldes
sim-to-real gap
.
Modern approaches mitigate this with:	Moderne tilgange afhjælper dette med:
Short-horizon rollouts combined with real logs.	Kortsigtede udrulninger kombineret med rigtige logfiler.
Domain randomization (adding noise and variation).	Domænerandomisering (tilføjelse af støj og variation).
Validation against held-out real scenarios.	Validering i forhold til forudsete virkelige scenarier.
Safety constraints that don’t rely purely on learned predictions.	Sikkerhedsbegrænsninger, der ikke udelukkende er afhængige af lærte forudsigelser.
A world model can be incredibly useful even if it’s not “perfect reality,” as long as you know where it’s reliable and where it’s not.	En verdensmodel kan være utrolig nyttig, selvom den ikke er "perfekt virkelighed", så længe du ved, hvor den er pålidelig, og hvor den ikke er.
World models and maps: the structure under the pixels	Verdensmodeller og kort: strukturen under pixels
A self-driving car isn’t only reacting to images. It also relies on structure:	En selvkørende bil reagerer ikke kun på billeder. Den er også afhængig af struktur:
HD maps (lane geometry, traffic control devices).	HD-kort (vognbanegeometri, trafikstyringsenheder).
Localization (where am I on the map?).	Lokalisering (hvor er jeg på kortet?).
SLAM-like components in some systems (especially outside mapped regions).	SLAM-lignende komponenter i nogle systemer (især uden for kortlagte områder).
A strong world model has to integrate that structure. Otherwise it becomes a fancy video generator that can’t maintain consistent geometry.	En stærk verdensmodel skal integrere den struktur. Ellers bliver den en smart videogenerator, der ikke kan opretholde ensartet geometri.
This is why autonomy world models often blend:	Derfor blandes autonomiens modeller ofte sammen:
Learned perception features,
Explicit geometry constraints,	Eksplicitte geometriske begrænsninger,
Map priors,
Agent-based representations (other road users as entities with intentions).	Agentbaserede repræsentationer (andre trafikanter som enheder med intentioner).
The best systems are hybrid: they use learning where data is rich and rules where constraints are strict.	De bedste systemer er hybride: de bruger læring, hvor data er rige, og regler, hvor begrænsningerne er strenge.
What changes for product development	Hvilke ændringer for produktudvikling
The most practical impact of a good world model is	Den mest praktiske effekt af en god verdensmodel er
engineering velocity
Today, improving an autonomous driving stack often requires:	I dag kræver forbedring af en autonom kørestak ofte:
Finding real-world failures (disengagements, near misses).	At finde virkelige fiaskoer (afbrydelser, nærved-ulykker).
Adding data and labels.	Tilføjelse af data og etiketter.
Tuning prediction/planning.	Tuningforudsigelse/planlægning.
Revalidating across huge scenario suites.	Revalidering på tværs af store scenariesuiter.
If a world model can generate realistic variations of the failure, engineers can iterate faster. It can also help answer questions like:	Hvis en verdensmodel kan generere realistiske variationer af fejlen, kan ingeniører iterere hurtigere. Det kan også hjælpe med at besvare spørgsmål som:
“Is this behavior safe across a distribution, or was it lucky in one log?”	"Er denne adfærd sikker på tværs af en distribution, eller var det heldigt i én log?"
“How sensitive is the system to pedestrian hesitation?”	"Hvor følsomt er systemet over for fodgængeres tøven?"
“What is the worst-case outcome if another driver behaves aggressively?”	"Hvad er det værst tænkelige udfald, hvis en anden bilist opfører sig aggressivt?"
Faster iteration is not a guarantee of safety — but it can improve the feedback loop.	Hurtigere iteration er ikke en garanti for sikkerhed – men det kan forbedre feedback-loopet.
The big open questions
Even if the world model is excellent, there are hard limits:	Selv om verdensmodellen er fremragende, er der hårde grænser:
Accountability
: Can you explain why the system predicted a given future?	Kan du forklare, hvorfor systemet forudsagde en given fremtid?
Validation
: How do you certify a learned simulator as representative?	Hvordan certificerer man en indlært simulator som repræsentativ?
Edge cases
: How do you ensure rare but critical scenarios are covered?	Hvordan sikrer I, at sjældne, men kritiske scenarier er dækket?
Policy robustness
: Does a policy trained in the model behave safely in reality?	Opfører en politik, der er trænet i modellen, sig sikkert i virkeligheden?
This is where regulators and safety cases come in. Autonomous vehicles will need arguments that connect training and testing methods to real-world risk.	Det er her, regulatorer og sikkerhedsargumenter kommer ind i billedet. Selvkørende køretøjer vil have brug for argumenter, der forbinder trænings- og testmetoder med reelle risici.
Bottom line
A high-fidelity world model is a powerful tool for autonomy because it turns driving from “learn only from what happened” into “learn from what could happen.” If Waymo can use a Genie 3–style system to generate realistic future road scenes, it could accelerate training, scenario testing, and safety evaluation — but the hard part remains proving that the simulated world is faithful enough that improvements carry over to real streets.	En high-fidelity-verdensmodel er et effektivt værktøj til autonomi, fordi den ændrer kørsel fra "kun at lære af, hvad der skete" til "at lære af, hvad der kunne ske". Hvis Waymo kan bruge et Genie 3-lignende system til at generere realistiske fremtidige vejscener, kan det accelerere træning, scenarietest og sikkerhedsevaluering - men den svære del er stadig at bevise, at den simulerede verden er trofast nok til, at forbedringer overføres til virkelige gader.
Sources
https://arstechnica.com/google/2026/02/waymo-leverages-genie-3-to-create-a-world-model-for-self-driving-cars/	https://arstechnica.com/google/2026/02/waymo-leverages-genie-3-to-create-a-world-model-for-self-driving-cars/
https://waymo.com/safety/
https://en.wikipedia.org/wiki/World_model	https://en.wikipedia.org/wiki/Verdensmodel
https://en.wikipedia.org/wiki/Autonomous_car	https://en.wikipedia.org/wiki/Autonom_bil
https://en.wikipedia.org/wiki/Simultaneous_localization_and_mapping	https://en.wikipedia.org/wiki/Samtidig_lokalisering_og_kortlægning
←
Previous Post
→ Sixteen AI agents built a C compiler together — why that matters (and what it doesn’t mean yet)	→ Seksten AI-agenter byggede en C-compiler sammen — hvorfor det er vigtigt (og hvad det endnu ikke betyder)
Copyright © 2026 Rill.blog
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Abdul Jabbar	Se alle indlæg af Abdul Jabbar
Sixteen AI agents built a C compiler together — why that matters (and what it doesn't mean yet)	Seksten AI-agenter byggede en C-compiler sammen – hvorfor det er vigtigt (og hvad det endnu ikke betyder)
Waymo is reportedly using a Genie 3-style system to build a world model for autonomous driving. Here’s what world models are, why simulation matters, and the remaining safety gaps.	Waymo bruger angiveligt et Genie 3-lignende system til at bygge en verdensmodel for autonom kørsel. Her er hvad verdensmodeller er, hvorfor simulering er vigtig, og de resterende sikkerhedshuller.

Document Title

Waymo and the rise of “world models” for driving: what a Genie-style simulator changes

Waymo is reportedly using a Genie 3-style system to build a world model for autonomous driving. Here’s what world models are, why simulation matters, and the remaining safety gaps.

Title Attribute

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Abdul Jabbar

Sixteen AI agents built a C compiler together — why that matters (and what it doesn't mean yet)

Page Content

Waymo and the rise of “world models” for driving: what a Genie-style simulator changes

Blog

General

/ By

Abdul Jabbar

Self-driving systems live and die by one question:

what happens next?

Sensors tell an autonomous vehicle what the world looks like right now — camera frames, lidar point clouds, radar reflections, GPS and IMU measurements. But safe driving is anticipation: predicting how pedestrians might move, whether a cyclist will merge, how a car might drift over a lane line, and what an occluded intersection might reveal.

That’s where the idea of a

world model

comes in. A world model is a learned representation of “how the world works” that can be rolled forward in time: given the current scene and an action, it can generate plausible future scenes. In robotics and autonomy, the dream is to have a model that can simulate reality well enough to train and validate policies before they ever touch public roads.

Reports that Waymo is leveraging a

Genie 3

–style approach to create a world model for driving are a big deal — not because it magically solves autonomy, but because it signals a shift in what the industry thinks is the bottleneck.

Driving autonomy is two problems: perception and prediction

Early conversations about self-driving focused on perception: “Can the car see?” That includes detecting objects, classifying them, estimating their position and velocity, and tracking them over time.

Today, the frontier is increasingly prediction and planning:

Prediction

: forecasting the future trajectories of other agents (cars, bikes, pedestrians).

Planning

: choosing the vehicle’s own trajectory to be safe, legal, and comfortable.

Perception errors are still important, but even perfect perception doesn’t give you certainty about intent. A pedestrian at a curb might step out. A driver might run a red light. A cyclist might wobble.

A world model aims to encode those uncertainties so the planner can reason about them.

What is a “world model” in ML terms?

In machine learning, a world model is typically a generative model trained on large volumes of experience. It can:

Represent the latent state of the environment.

Predict how the state evolves.

Generate observations consistent with that evolution.

For driving, the observations are multi-modal: images, lidar, maps, and semantic labels.

The core value is that, once trained, you can

sample futures

and stress-test decisions. Instead of asking “what is the one predicted path,” you ask “what are the plausible paths, and which ones are dangerous?”

Why simulation is central (and why it’s so hard)

Waymo and others already rely heavily on simulation. The problem is fidelity.

Traditional simulators are built from:

Hand-authored physics and vehicle dynamics.

Scene assets (roads, buildings, traffic lights).

Scripted “actors” that follow rules.

These are great for many tests, but the long tail of reality is brutal: odd pedestrian behavior, unusual lighting, construction zones, rare signage, local driving cultures, weather edge cases, sensor glitches, and the million subtle interactions that never show up in a tidy rule set.

A learned world model is attractive because it can capture messy distributions directly from data. If you have enough real driving logs, you can train a model to generate scenes that “feel” like the road — including the weirdness.

But “feels real” is not enough for safety. Driving is adversarial: if your model misses even a small set of rare but deadly scenarios, the system can still fail.

What a Genie-style approach suggests

A Genie-style system (as reported) implies a model that can generate plausible future frames conditioned on actions and context.

If Waymo can generate high-fidelity “next frames” for complex urban scenes, it can potentially:

Create

counterfactuals

: “What if we had slowed earlier?” “What if we took the left gap?”

Increase

rare-event coverage

: oversample uncommon situations for training.

Improve

closed-loop training

: train a policy inside the simulated world, not just on logged data.

This is a step beyond “replaying recorded logs.” It’s like moving from watching driving videos to having a sandbox where the sandbox itself behaves like a city.

The safety catch: model errors compound

There’s a reason safety teams are cautious about learned simulators: small errors compound over time.

If a world model is slightly wrong about:

How pedestrians accelerate,

How cars respond to braking,

How sensors behave under glare,

then a simulated rollout can drift away from reality after a few seconds. That can produce training signals that optimize for the simulator’s quirks rather than the real world — a problem sometimes called

sim-to-real gap

Modern approaches mitigate this with:

Short-horizon rollouts combined with real logs.

Domain randomization (adding noise and variation).

Validation against held-out real scenarios.

Safety constraints that don’t rely purely on learned predictions.

A world model can be incredibly useful even if it’s not “perfect reality,” as long as you know where it’s reliable and where it’s not.

World models and maps: the structure under the pixels

A self-driving car isn’t only reacting to images. It also relies on structure:

HD maps (lane geometry, traffic control devices).

Localization (where am I on the map?).

SLAM-like components in some systems (especially outside mapped regions).

A strong world model has to integrate that structure. Otherwise it becomes a fancy video generator that can’t maintain consistent geometry.

This is why autonomy world models often blend:

Learned perception features,

Explicit geometry constraints,

Map priors,

Agent-based representations (other road users as entities with intentions).

The best systems are hybrid: they use learning where data is rich and rules where constraints are strict.

What changes for product development

The most practical impact of a good world model is

engineering velocity

Today, improving an autonomous driving stack often requires:

Finding real-world failures (disengagements, near misses).

Adding data and labels.

Tuning prediction/planning.

Revalidating across huge scenario suites.

If a world model can generate realistic variations of the failure, engineers can iterate faster. It can also help answer questions like:

“Is this behavior safe across a distribution, or was it lucky in one log?”

“How sensitive is the system to pedestrian hesitation?”

“What is the worst-case outcome if another driver behaves aggressively?”

Faster iteration is not a guarantee of safety — but it can improve the feedback loop.

The big open questions

Even if the world model is excellent, there are hard limits:

Accountability

: Can you explain why the system predicted a given future?

Validation

: How do you certify a learned simulator as representative?

Edge cases

: How do you ensure rare but critical scenarios are covered?

Policy robustness

: Does a policy trained in the model behave safely in reality?

This is where regulators and safety cases come in. Autonomous vehicles will need arguments that connect training and testing methods to real-world risk.

Bottom line

A high-fidelity world model is a powerful tool for autonomy because it turns driving from “learn only from what happened” into “learn from what could happen.” If Waymo can use a Genie 3–style system to generate realistic future road scenes, it could accelerate training, scenario testing, and safety evaluation — but the hard part remains proving that the simulated world is faithful enough that improvements carry over to real streets.

Sources

https://arstechnica.com/google/2026/02/waymo-leverages-genie-3-to-create-a-world-model-for-self-driving-cars/

https://waymo.com/safety/

https://en.wikipedia.org/wiki/World_model

https://en.wikipedia.org/wiki/Autonomous_car

https://en.wikipedia.org/wiki/Simultaneous_localization_and_mapping

←

→ Sixteen AI agents built a C compiler together — why that matters (and what it doesn’t mean yet)

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Abdul Jabbar

Sixteen AI agents built a C compiler together — why that matters (and what it doesn't mean yet)

Waymo is reportedly using a Genie 3-style system to build a world model for autonomous driving. Here’s what world models are, why simulation matters, and the remaining safety gaps.

Document Title
Page not found - Rill.blog	Siden blev ikke fundet - Rill.blog
Image Alt
Rill.blog
Title Attribute
Rill.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Email address
Page Content
Page not found - Rill.blog	Siden blev ikke fundet - Rill.blog
Skip to content
Home
Read Now
Urdu Novels
Mukhtasar Kahanian
Urdu Columns
Main Menu
This page doesn't seem to exist.	Denne side ser ikke ud til at eksistere.
It looks like the link pointing here was faulty. Maybe try searching?	Det ser ud til, at linket, der peger her, var forkert. Måske prøv at søge?
Search for:
Search
Get all the latest news and info sent to your inbox.	Få alle de seneste nyheder og informationer sendt til din indbakke.
Please enable JavaScript in your browser to complete this form.	Aktiver venligst JavaScript i din browser for at udfylde denne formular.
Email
*
Subscribe
Categories
Copyright © 2025 Rill.blog
English
العربية
Čeština
Dansk
Nederlands
Eesti
Suomi
Français
Deutsch
Ελληνικά
Magyar
Bahasa Indonesia
Italiano
日本語
한국어
Latviešu valoda
Lietuvių kalba
Norsk bokmål
Polski
Português
Română
Русский
Slovenčina
Slovenščina
Español
Svenska
ไทย
Türkçe
Українська
Tiếng Việt
Notifications
Rill.blog
Rill.blog » Feed
RSD
Search...
Email address

Document Title

Page not found - Rill.blog

Image Alt

Rill.blog

Title Attribute

Rill.blog » Feed

RSD

Placeholder Attribute

Search...

Email address

Page Content

Page not found - Rill.blog

Home

Read Now

Urdu Novels

Mukhtasar Kahanian

Urdu Columns

Main Menu

This page doesn't seem to exist.

It looks like the link pointing here was faulty. Maybe try searching?

Search for:

Get all the latest news and info sent to your inbox.

Please enable JavaScript in your browser to complete this form.