CausalDrive：面向自动驾驶的实时因果世界模型

arXiv 2026 65.4 method, application

TLDR

CausalDrive是一个用于自动驾驶的实时因果世界模型，根据自车轨迹和文本提示生成交互式视频。

评分理由

The paper presents a novel architecture achieving real-time 12 FPS video generation with causal prediction, enabling controllable simulation. However, the abstract is cut off and lacks explicit real-world validation or detailed evaluation metrics.

Read-first 评分解释

综合优先阅读分 65.4，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 61。

近期性 6%

100

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：2026

引用影响力 18%

93.9

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：0.93913108

主题相关性 29%

87.1

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

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：评估、实验

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：工件

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：477。

关键词评分

world model

interactive world model

world simulator

generative world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

仅依赖初始前视图、自车轨迹和文本提示，排除未来NPC布局以强制因果交互预测
通过文本控制驾驶社会学，实现对相同自车行为的反事实反应的动态编排
结合连续流匹配与自校正蒸馏目标的Context-Forced DMD架构，实现12 FPS实时生成
将被动视频生成器转变为可玩的神经模拟器
三个下游应用：生成式闭环评估、基于Video2Reward的强化学习后训练、以及实时人在环仿真

方法

CausalDrive仅使用初始前视图、自车轨迹和宏观文本提示作为输入，不依赖未来NPC布局，以强制因果交互预测。它采用Context-Forced DMD架构，结合连续流匹配与自校正蒸馏目标，实现12 FPS的实时生成。该模型在三个下游任务上进行了评估：闭环评估、通过Video2Reward的强化学习后训练以及人在环仿真。

关键结果

CausalDrive实现了12 FPS的交互速度，显著减少了闭环评估中的碰撞伪影。在其反应式场景中训练的策略在现实世界中表现出更优的交互能力。

资源

论文