⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

DriveVA：视频动作模型是零样本驾驶员

arXiv 2026 62.7 method, application

TLDR

DriveVA联合生成未来视频与动作轨迹，在NAVSIM上实现强零样本规划性能。

评分理由

The paper proposes a novel world model that integrates video generation and trajectory prediction, leveraging pretrained video models for stronger generalization. Strengths include the joint video-action decoding and zero-shot cross-domain results, while weaknesses include limited evidence of comparisons with prior methods and the abstract being cut off.

Read-first 评分解释

综合优先阅读分 62.7，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 52。

近期性 5%
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 15%
99.9

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：0.99938509

方法质量 15%
80

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、数据集、评估、实验

主题相关性 25%
74.3

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 15%
46

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、数据集

引用速度 10%
36.8

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：5.00

图谱声望 15%
10.6

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。 局部 PageRank：0.0030

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：194。

关键词评分

world model
10
generative world model
9
video world model
9
interactive world model
8
world dynamics prediction
8
world simulator
7
model-based reinforcement learning world model
1

深度分析

创新点

  • 提出DriveVA，一种自动驾驶世界模型，在共享潜在生成过程中联合解码未来视觉预测和动作序列。
  • 利用预训练的大规模视频生成模型中丰富的运动动力学和物理合理性先验。
  • 采用基于DiT的解码器联合预测未来动作序列/轨迹和视频，使规划与场景演化之间对齐更紧密。
  • 引入视频延续策略以增强长时程推演的一致性。

方法

DriveVA采用共享潜在生成过程，配合基于DiT的解码器联合预测未来轨迹和视频，并从预训练的大规模视频生成模型中继承先验。此外，它使用视频延续策略来保证长时程推演的一致性。评估在NAVSIM、nuScenes和基于CARLA v2的Bench2Drive上进行，并与最先进的基于世界模型的规划器进行比较。

关键结果

DriveVA在NAVSIM上取得90.9的PDM得分；与最先进的基于世界模型的规划器相比，在nuScenes上将平均L2误差和碰撞率分别降低78.9%和83.3%，在基于CARLA v2的Bench2Drive上分别降低52.5%和52.4%。

资源

论文

标签