⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

HERMES：用于同时进行3D场景理解与生成的统一自动驾驶世界模型

ICCV 25 2025 66.7 method, application

TLDR

一个统一的驾驶世界模型，利用BEV和基于LLM的世界查询集成3D场景理解与未来场景生成。

评分理由

The paper presents a novel integration of scene understanding and generation in a driving world model, achieving strong empirical results on nuScenes. However, it is limited to driving scenarios and does not address interactive or reinforcement learning aspects.

Read-first 评分解释

综合优先阅读分 66.7，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 39。

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%
85

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、数据集、GitHub

方法质量 25%
60

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：数据集、指标

主题相关性 42%
55.7

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

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：283。

关键词评分

world model
9
generative world model
8
world dynamics prediction
7
video world model
6
world simulator
4
model-based reinforcement learning world model
3
interactive world model
2

深度分析

创新点

  • 驾驶世界模型中同时进行3D场景理解与生成的统一框架
  • 利用鸟瞰图（BEV）表示整合多视角空间信息同时保留几何关系
  • 引入世界查询，通过大语言模型中的因果注意力将世界知识融入BEV特征

方法

HERMES是一个统一的驾驶世界模型，集成了3D场景理解与未来场景生成。它利用鸟瞰图（BEV）表示整合多视角空间信息，并引入世界查询，通过大语言模型中的因果注意力将世界知识融入BEV特征。该模型在nuScenes和OmniDrive-nuScenes数据集上进行了评估。

关键结果

HERMES达到了最先进的性能，生成误差降低了32.4%，理解指标如CIDEr提升了8.0%。

资源

论文代码项目

标签