CoWorld-VLA：在多专家世界模型中思考自动驾驶

arXiv 2026 66.1 method, application

TLDR

CoWorld-VLA采用多专家世界模型与四种令牌，引导自动驾驶动作规划，在NAVSIM v1上表现优异。

评分理由

The paper introduces a novel multi-expert world reasoning framework that explicitly conditions action planning on complementary world tokens, which is a strength. However, it is only evaluated on the NAVSIM v1 benchmark without real-world deployment or generalization analysis, limiting its demonstrated impact.

Read-first 评分解释

综合优先阅读分 66.1，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 40。

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

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：消融、基准、实验、指标、结果

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：有；数据：无；命中信号：代码、GitHub

引用影响力 18%

75.3

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：0.75311522

主题相关性 29%

57.1

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

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方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：449。

关键词评分

world model

world dynamics prediction

generative world model

interactive world model

world simulator

video world model

model-based reinforcement learning world model

深度分析

创新点

用于自动驾驶的多专家世界推理框架，其中世界表示作为显式条件引导动作规划
四种专家令牌：语义交互、几何结构、动态演化、自车轨迹令牌
基于扩散的分层多专家融合规划器，与场景上下文耦合进行联合去噪，生成连续自车轨迹

方法

CoWorld-VLA通过多源监督提取互补的世界信息，并将其编码为VLA中的专家令牌，提供规划器可访问的条件信号。它构建了四种令牌，分别建模交互意图、空间结构、未来时间动态和行为目标。在动作生成过程中，采用基于扩散的分层多专家融合规划器，该规划器在整个联合去噪过程中与场景上下文耦合，以生成连续的自车轨迹。

关键结果

CoWorld-VLA在NAVSIM v1基准测试的未来场景生成和规划方面均取得了有竞争力的结果，展示了在碰撞避免和轨迹准确性方面的强大性能。消融研究验证了专家令牌的互补性及其作为规划条件的有效性。

技术栈

VLADiffusion modelsWorld modelsMulti-expert fusionHierarchical planning

资源

论文代码