Discrete-WAM: 统一离散视觉-动作令牌编辑用于世界-策略学习

arXiv 2026 63.1 method, application

TLDR

Discrete-WAM统一视觉动作令牌，实现自动驾驶世界策略学习，通过分层令牌编辑联合建模与策略生成。

评分理由

The paper introduces a novel discrete token alignment approach that jointly trains world and policy models, showing strong empirical results on autonomous driving benchmarks. However, the evaluation is limited to a single domain and lacks comparison with model-based RL methods, and the abstract does not discuss potential limitations or failure cases.

Read-first 评分解释

综合优先阅读分 63.1，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 44。

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%

91.3

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：0.91320217

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、基准、评估、实验、结果

主题相关性 29%

62.9

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

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：代码

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

排序敏感性

稳定性：volatile；排名波动范围：386。

关键词评分

world model

world dynamics prediction

generative world model

interactive world model

video world model

model-based reinforcement learning world model

world simulator

深度分析

创新点

统一的离散视觉-动作令牌空间，表示视觉观测、未来状态、高层决策和自车动作
多任务多阶段预训练，联合训练世界建模、世界-策略建模和策略建模
分层决策预测与并行动作令牌编辑，结合基于置信度的调度用于下游规划

方法

Discrete-WAM将视觉观测、未来状态、高层决策和自车动作编码到共享的离散令牌空间。然后进行多任务多阶段预训练，联合学习世界建模、世界-策略建模和策略建模，使动作条件下的未来预测能够支持策略生成。在规划中，它将策略生成分解为分层决策预测和并行动作令牌编辑，其中决策令牌提供高层骨架，基于置信度的调度细化密集的未来动作。

关键结果

在大型自动驾驶基准上，Discrete-WAM实现了强大的规划性能，同时支持可控未来生成、反事实评估、基于惊喜的世界模型分析和高效的并行策略解码。

资源

论文