驶向未来：基于World Model的多视角视觉预测与规划在自动驾驶中的应用

CVPR 24 2024 76.1 method, application

TLDR

Drive-WM：一种驾驶世界模型，通过预测多种未来并基于图像奖励选择最优轨迹，生成多视角视频实现安全规划。

评分理由

The paper introduces a novel world model for autonomous driving that generates high-fidelity multiview videos and enables planning by evaluating multiple future scenarios. Strengths include real-world dataset evaluation and compatibility with end-to-end planning models; weaknesses are limited explicit discussion of interactive or RL-based components.

Read-first 评分解释

综合优先阅读分 76.1，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 58。

主题相关性 42%

82.9

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：有；数据：无；命中信号：数据集、GitHub

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、评估

研究版图角色

复现锚点

排序敏感性

稳定性：volatile；排名波动范围：57。

关键词评分

world model

generative world model

video world model

world dynamics prediction

interactive world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

首个与现有端到端规划模型兼容的驾驶世界模型
通过视图分解实现联合时空建模，生成高保真多视角视频
首次将世界模型应用于安全驾驶规划，通过生成多种未来并基于图像奖励选择最优轨迹

方法

Drive-WM采用通过视图分解实现的联合时空建模，生成驾驶场景的高保真多视角视频。它能够根据不同的驾驶操作驶入多种未来，并基于图像奖励确定最优轨迹。模型在真实驾驶数据集上进行了评估。

关键结果

该方法生成了高质量、一致且可控的多视角视频，展示了在真实世界模拟和安全规划方面的潜力。

资源

论文代码