GeoDrive: 三维几何信息驱动的驾驶世界模型与精确动作控制

arXiv 25.5 2025 74 method

TLDR

GeoDrive将三维几何集成到驾驶世界模型中，实现精确动作控制，提升空间感知与场景建模。

评分理由

The paper introduces a novel 3D geometry-informed driving world model with action control, showing strong results in spatial awareness and accuracy. However, the abstract lacks explicit mention of real-world datasets or benchmarks, and limitations such as occlusion handling are not fully addressed.

Read-first 评分解释

综合优先阅读分 74，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 53。

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：工件、GitHub

主题相关性 42%

75.7

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：实验、指标

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：48。

关键词评分

world model

interactive world model

world simulator

world dynamics prediction

generative world model

video world model

model-based reinforcement learning world model

深度分析

创新点

将稳健的三维几何条件显式集成到驾驶世界模型中，以增强空间理解和动作可控性
训练过程中引入动态编辑模块，通过编辑车辆位置来改进渲染效果，实现动态建模
交互式场景编辑能力，包括对象编辑和对象轨迹控制

方法

GeoDrive首先从输入帧中提取三维表示，然后基于用户指定的自车轨迹获取二维渲染。在训练过程中引入动态编辑模块，通过编辑车辆位置来增强渲染效果，从而实现动态建模。

关键结果

该方法在动作准确性和三维空间感知方面显著优于现有模型，能够泛化到新轨迹，并提供交互式场景编辑能力。

技术栈

3D representation extraction2D renderingdynamic editing module

资源

论文代码