DriveLaW：在潜在驾驶世界中统一规划与视频生成

arXiv 25.12 2025 49.9 method, application

TLDR

DriveLaW通过将世界模型的潜在表示注入扩散规划器，统一了自动驾驶中的视频生成与运动规划。

评分理由

The paper presents a novel unified paradigm with strong empirical results on video prediction and planning benchmarks. However, the abstract lacks details on limitations and the real-world scope of the benchmarks.

Read-first 评分解释

综合优先阅读分 49.9，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

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

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：基准、结果

引用影响力 18%

49.7

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：0.49707484

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

排序敏感性

稳定性：volatile；排名波动范围：438。

关键词评分

world model

generative world model

video world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

interactive world model

深度分析

创新点

通过将视频生成器的潜在表示直接注入规划器，统一了视频生成与运动规划
DriveLaW-Video：一个强大的世界模型，能够生成具有表达性潜在表示的高保真预测
DriveLaW-Act：一个扩散规划器，从DriveLaW-Video的潜在表示中生成一致且可靠的轨迹
三阶段渐进训练策略以优化两个组件

方法

DriveLaW包含两个核心组件：DriveLaW-Video，一个用于高保真视频预测并具有表达性潜在表示的世界模型；以及DriveLaW-Act，一个从DriveLaW-Video的潜在表示中生成轨迹的扩散规划器。两个组件通过三阶段渐进训练策略进行优化。该模型通过将视频生成器的潜在表示直接注入规划器，统一了规划与视频生成。

关键结果

DriveLaW在视频预测上取得了最先进的结果，在FID上超越最佳工作33.3%，在FVD上超越1.8%，并在NAVSIM规划基准上创下新纪录。

资源

论文