HOLO-MPPI：通过分层策略优化实现多场景运动规划

arXiv 2026 50.3 method, system

TLDR

HOLO-MPPI结合离线高层策略学习与在线MPPI控制，利用世界模型实现多场景运动规划。

评分理由

Strengths include a novel hierarchical framework that improves generalization across driving scenarios without per-scenario tuning. Weaknesses are the lack of real-world validation and domain specificity to autonomous driving.

Read-first 评分解释

综合优先阅读分 50.3，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 24。

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

引用影响力 18%

94.8

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：0.94782897

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：基线、评估

主题相关性 29%

34.3

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 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：无；数据：无；命中信号：无

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

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：396。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

将高层策略学习（离线）与低层随机最优控制（在线MPPI）相结合，实现无需针对每个场景重新调整的多场景运动规划。
离线学习的高层策略在抽象动作空间中利用学习的世界模型进行在线展开，作为数据驱动的先验生成器，根据当前观测和目标参数化MPPI的采样分布。
在自动驾驶中实例化，设计了有效的高层动作空间和定制化的模型架构。

方法

离线阶段，学习一个高层策略，在抽象动作空间中提出场景鲁棒的规划，并使用学习的世界模型进行在线展开。在线阶段，该策略作为先验生成器，根据当前观测和目标参数化MPPI的采样分布；MPPI随后围绕该先验实时优化低层控制序列，以适应局部扰动。该框架在多种驾驶场景中与MPPI和端到端强化学习基线进行了评估。

关键结果

HOLO-MPPI在多种驾驶场景中优于MPPI和端到端强化学习基线，同时保持实时控制能力。

局限性

依赖学习的世界模型，在未见或高度随机的场景中可能不准确。
高层动作空间的设计可能需要针对不同领域或任务进行手动调整。
由于MPPI和策略推理的计算需求，实时性能可能随着场景复杂度的增加而下降。
评估仅限于自动驾驶，未展示对其他机器人领域的泛化能力。

技术栈

MPPIReinforcement LearningWorld ModelHigh-level PolicyLow-level Control

资源

论文