HelloWorld：迈向生成式驾驶世界模型的实际应用

arXiv 2026 40.2 method, system, application

TLDR

HelloWorld是2B参数驾驶世界模型，支持多相机RGB与LiDAR合成，用于可扩展数据生成和交互仿真。

评分理由

The paper presents a practically oriented driving world model with strong emphasis on controllability, multi-sensor consistency, and deployment efficiency. However, the abstract lacks quantitative results and explicit comparisons, so strengths in empirical performance cannot be fully assessed from the abstract alone.

Read-first 评分解释

综合优先阅读分 40.2，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 50。

近期性 5%

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

方法质量 15%

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：评估、实验、结果

主题相关性 25%

71.4

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 15%

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：无；数据：无；命中信号：无

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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。引用数：0

引用速度 10%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：488。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

提出了 HelloWorld，一个 2B 参数的驾驶世界模型系统，面向可扩展的实用驾驶数据生成和交互式仿真。
将来自异构视频数据的广泛视觉与运动先验，通过自车姿态、HD地图和3D框逐步特化为可控驾驶生成。
使用块因果生成界面并适应自生成上下文，使模型与顺序仿真对齐。
支持同步七相机RGB生成和条件化LiDAR合成。
将模型蒸馏到少步推理，以在重复生成下高效部署。

方法

HelloWorld是一个2B参数的生成式驾驶世界模型，利用自车姿态、HD地图和3D框，将来自异构视频数据的广泛视觉与运动先验特化为可控驾驶生成。它采用块因果生成界面并适应自生成上下文以进行顺序仿真，同时支持同步七相机RGB输出和条件化LiDAR合成。该系统被蒸馏到少步推理，并在视觉质量、控制保真度、跨视角一致性、重复生成下的鲁棒性、推理效率和LiDAR合成方面进行了评估。

关键结果

摘要报告了对视觉质量、控制保真度、跨视角一致性、重复生成下的鲁棒性、推理效率和LiDAR合成的评估，但未提供具体定量结果。

局限性

标题或摘要中未明确说明局限性。

资源

论文