端到端驾驶中的潜在思维链世界建模

arXiv 25.12 2025 43.5 method, application

TLDR

LCDrive使用潜在思维链和世界模型令牌进行端到端驾驶，实现更快的推理和更好的轨迹质量。

评分理由

The paper introduces a novel latent reasoning space that unifies action proposals and world model tokens, supported by cold-start supervision and closed-loop RL post-training. Strengths include improved inference speed and trajectory quality over text-based reasoning baselines, but the approach is domain-specific and lacks discussion of generalization or safety limitations.

Read-first 评分解释

综合优先阅读分 43.5，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 41。

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：分析、基线、基准、评估

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

主题相关性 29%

58.6

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：420。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

generative world model

world simulator

interactive world model

video world model

深度分析

创新点

引入使用动作提议令牌和世界模型令牌的潜在思维链推理，替代自然语言
在动作对齐的潜在空间中统一思维链推理与决策
通过使用真实未来轨迹监督动作提议和世界模型令牌来冷启动潜在思维链
使用闭环强化学习进行后训练以增强推理能力

方法

LCDrive将推理建模为动作提议令牌（与输出动作共享同一词汇表）和世界模型令牌（基于学习到的潜在世界模型预测未来结果）的交错序列。模型首先通过监督学习在真实未来轨迹上进行冷启动，然后使用闭环强化学习进行微调。在大型端到端驾驶基准上，与无推理和文本推理基线进行比较评估。

关键结果

与无推理和文本推理基线相比，LCDrive实现了更快的推理、更好的轨迹质量以及从交互式强化学习中获得的更大改进。

局限性

需要真实未来轨迹进行冷启动监督，这在现实环境中可能成本高昂或不可用
潜在表示可能不如自然语言可解释，使得调试或安全分析更具挑战性

资源

论文