面向自动驾驶的未来物理世界生成综述

MMAsia 25 2025 50.9 survey, application

TLDR

自动驾驶中生成模型与仿真世界模型的综述，涵盖评估与部署挑战。

评分理由

The paper provides a comprehensive overview of future physical world generation techniques for autonomous driving, but as a survey it lacks original experiments or real-world validation. Its strengths lie in organizing existing work and identifying gaps, while weaknesses include no empirical contributions.

Read-first 评分解释

综合优先阅读分 50.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 48。

近期性 6%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：分析、评估、指标

主题相关性 29%

68.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用影响力 18%

45.1

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.45101548

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：415。

关键词评分

world model

generative world model

world simulator

video world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

面向自动驾驶的未来物理世界生成的全面综述
生成模型与面向仿真的世界模型的分类法
驾驶场景的评估需求与部署挑战分析

方法

本文进行了系统的文献综述，将现有方法分类为生成模型和面向仿真的世界模型，并讨论了自动驾驶场景的评估指标和部署挑战。

关键结果

该综述提供了当前方法的结构化概述，识别了评估与部署中的关键挑战，并概述了未来的研究方向。

资源

论文