HERMES++：面向统一驾驶世界模型的3D场景理解与生成

arXiv 2026 63 method, application

TLDR

HERMES++ 通过BEV、LLM查询和几何优化，在驾驶世界模型中统一了3D场景理解和未来几何预测。

评分理由

The paper proposes a novel unified framework that bridges semantic understanding and geometric prediction, with strong empirical results on multiple benchmarks. However, the abstract lacks discussion of limitations and does not address interactive or RL-based aspects, limiting its scope.

Read-first 评分解释

综合优先阅读分 63，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 44。

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：代码、GitHub

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、指标

引用影响力 18%

67.6

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：0.67615828

主题相关性 29%

62.9

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：469。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

video world model

interactive world model

model-based reinforcement learning world model

深度分析

创新点

统一驾驶世界模型，在单一框架内整合3D场景理解与未来几何预测
BEV表示将多视角空间信息整合为与LLM兼容的结构
LLM增强的世界查询，促进从理解分支的知识迁移
当前到未来链接，弥合时间差距，使几何演化以语义上下文为条件
联合几何优化策略，整合显式几何约束与隐式潜在正则化

方法

HERMES++采用统一框架，结合3D场景理解与未来几何预测。它使用BEV表示将多视角空间数据与LLM对齐，引入LLM增强的世界查询以实现跨任务知识迁移，设计当前到未来链接以语义上下文为条件约束几何演化，并应用联合几何优化（包含显式几何约束与隐式潜在正则化）来确保结构完整性。

关键结果

HERMES++在多个基准测试中，在未来点云预测和3D场景理解任务上均优于专业方法。

技术栈

BEVLLMWorld QueriesCurrent-to-Future LinkJoint Geometric Optimization

资源

论文代码