Epona: 面向自动驾驶的自回归扩散世界模型

ICCV 25 2025 74.1 method, application

TLDR

Epona是一种面向自动驾驶的自回归扩散世界模型，实现长时域视频预测和轨迹规划，性能最优。

评分理由

The paper introduces a novel autoregressive diffusion approach with decoupled spatiotemporal factorization and chain-of-forward training, achieving strong results on benchmarks. However, the method is domain-specific to autonomous driving and may still face error accumulation in very long predictions.

Read-first 评分解释

综合优先阅读分 74.1，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 49。

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

主题相关性 42%

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 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、实验、结果

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：71。

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

解耦的时空分解，将时间动态建模与细粒度未来世界生成分离
模块化的轨迹与视频预测，在端到端框架中无缝集成运动规划与视觉建模
前向链训练策略，解决自回归循环中的误差累积问题

方法

Epona是一种自回归扩散世界模型，通过将时间动态与未来世界生成解耦并集成模块化轨迹与视频预测，对局部时空分布进行建模。它采用前向链训练策略来缓解自回归循环中的误差累积，从而实现高分辨率、长时域视频生成。

关键结果

Epona取得了最先进的性能，FVD提升7.4%，预测时长比先前工作延长数分钟；学习到的世界模型可作为实时运动规划器，在NAVSIM基准上优于强端到端规划器。

资源

论文代码