DriveWorld：基于世界模型的自动驾驶4D预训练场景理解

CVPR 24 2024 51.1 method, application

TLDR

DriveWorld利用世界模型从多摄像头视频进行4D预训练，通过时空表示学习提升多项自动驾驶任务性能。

评分理由

The paper introduces a novel world model-based framework with a Memory State-Space Model for spatio-temporal representation learning, achieving significant improvements across various autonomous driving tasks. However, the abstract does not compare to other world model approaches or discuss limitations.

Read-first 评分解释

综合优先阅读分 51.1，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 30。

近期性 8%

75.1

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：2024

方法质量 25%

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：数据集、实验、结果

主题相关性 42%

42.9

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 25%

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：数据集

研究版图角色

方法锚点

排序敏感性

稳定性：volatile；排名波动范围：293。

关键词评分

world model

world dynamics prediction

video world model

generative world model

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

基于世界模型的自动驾驶4D表示学习框架
记忆状态空间模型：动态记忆库用于时间感知潜在动态，静态场景传播用于空间感知潜在静态
任务提示用于解耦任务感知特征以适配多种下游任务

方法

DriveWorld采用世界模型方法从多摄像头驾驶视频中进行预训练。它使用记忆状态空间模型，包含动态记忆库模块用于时间感知的潜在动态，以及静态场景传播模块用于空间感知的潜在静态。引入任务提示以解耦任务感知特征用于下游任务。

关键结果

在OpenScene数据集上预训练后，DriveWorld在3D目标检测上mAP提升7.5%，在线地图构建上IoU提升3.0%，多目标跟踪上AMOTA提升5.0%，运动预测上minADE降低0.1米，占用预测上IoU提升3.0%，规划上平均L2误差降低0.34米。

技术栈

Memory State-Space ModelDynamic Memory BankStatic Scene PropagationTask PromptOpenScene

资源

论文