基于BEV世界模型的在线轨迹评估端到端驾驶

ICCV 25 2025 56.8 method, application

TLDR

提出WoTE，一种使用BEV世界模型进行在线轨迹评估的端到端驾驶框架，在模拟基准上达到SOTA。

评分理由

The paper introduces a novel BEV world model for trajectory evaluation, demonstrating latency efficiency and strong performance on NAVSIM and Bench2Drive benchmarks. However, it lacks real-world validation and does not address generative or interactive aspects explicitly.

Read-first 评分解释

综合优先阅读分 56.8，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 24。

近期性 8%

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

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：代码、GitHub

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：基准、评估

主题相关性 42%

34.3

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

研究版图角色

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：519。

关键词评分

world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

generative world model

interactive world model

video world model

深度分析

创新点

提出WoTE，一种利用BEV世界模型进行在线轨迹评估的端到端驾驶框架
BEV世界模型相比图像级世界模型具有延迟高效的特点
使用现成的BEV空间交通模拟器进行无缝监督

方法

WoTE使用BEV世界模型预测未来的BEV状态，在端到端可微框架内进行轨迹评估。该模型通过BEV空间交通模拟器的监督进行训练，并在NAVSIM和闭环Bench2Drive基准上进行了评估。

关键结果

在基于CARLA模拟器的NAVSIM基准和闭环Bench2Drive基准上均取得了最先进的性能。

技术栈

BEV World ModelEnd-to-End DrivingCARLA SimulatorNAVSIM BenchmarkBench2Drive Benchmark

资源

论文代码