GEM：基于可变形Mamba的激光雷达世界模型生成

arXiv 2026 61.3 method

TLDR

GEM利用可变形Mamba生成LiDAR世界模型，解决点云无序和动静分离问题，用于自动驾驶。

评分理由

The paper introduces a novel architecture (deformable Mamba) for LiDAR world modeling, with strong empirical results on benchmarks. However, the abstract lacks details on limitations and comparison to baselines, and the optional planner/controller is not fully evaluated.

Read-first 评分解释

综合优先阅读分 61.3，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 42。

近期性 6%

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

可复现性 18%

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：GitHub

引用影响力 18%

71.1

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：0.71079333

方法质量 18%

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、实验

主题相关性 29%

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

引用速度 12%

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：0.00

研究版图角色

前沿论文桥接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：461。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

interactive world model

video world model

model-based reinforcement learning world model

深度分析

创新点

用于LiDAR世界模型的可变形Mamba架构
自定义LiDAR场景分词器，将LiDAR扫描序列化为紧凑表示
无监督动静分离器，用于解耦分词后的特征
三路径可变形Mamba，具有选择性扫描和自适应门控融合
集成规划器和BEV布局控制器，用于自主推演和'假设'场景

方法

该方法使用自定义LiDAR场景分词器将LiDAR扫描序列化为紧凑表示，然后通过动静分离器对分词后的特征进行无监督解耦。引入三路径可变形Mamba，对解耦后的特征进行选择性扫描和自适应门控融合，增强对世界演化的时空理解。

关键结果

GEM在多种基准和评估设置下取得了最先进的性能，展示了其在LiDAR世界建模中的优越性和有效性。

技术栈

Deformable MambaLiDAR Scene TokenizerDynamic-Static SeparatorTri-path Deformable MambaBEV Layout Controller

资源

论文代码