LaGen：面向自回归LiDAR场景生成

arXiv 25.11 2025 40.5 method, system, application

TLDR

LaGen是首个利用边界框条件进行长时程交互生成的自回归LiDAR场景生成框架。

评分理由

The paper introduces a novel autoregressive approach for LiDAR scene generation, addressing limitations of prior single-frame or deterministic methods. Strengths include long-horizon interactive capability and strong empirical results on nuScenes. Weaknesses are the focus solely on LiDAR modality and lack of generalization discussion.

Read-first 评分解释

综合优先阅读分 40.5，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 6%

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

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：数据集、实验、结果

主题相关性 29%

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

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：数据集

引用影响力 18%

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 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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：250。

关键词评分

generative world model

world model

interactive world model

world simulator

world dynamics prediction

video world model

model-based reinforcement learning world model

深度分析

创新点

首个能够逐帧自回归生成长时程LiDAR场景的框架
场景解耦估计模块，用于增强物体级内容的交互生成能力
噪声调制模块，用于减轻长时程生成过程中的误差累积
利用边界框信息作为条件生成高保真4D场景点云
构建基于nuScenes的协议以评估长时程LiDAR场景生成

方法

LaGen是一个自回归模型，以单帧LiDAR输入为起点，利用边界框信息作为条件生成后续帧。它引入了场景解耦估计模块以实现物体级交互生成，以及噪声调制模块以减少误差累积。该模型在nuScenes数据集上进行评估，并与最先进的LiDAR生成和预测模型进行比较。

关键结果

LaGen优于最先进的LiDAR生成和预测模型，尤其是在长时程生成的后续帧上。

资源

论文