Latent-WAM：面向端到端自动驾驶的潜在世界动作建模

arXiv 26.3 2026 61.6 method, application

TLDR

Latent-WAM利用空间感知和动态信息的潜在世界表示实现高效端到端自动驾驶，在NAVSIM v2和HUGSIM上达到最优。

评分理由

The paper introduces novel modules (SCWE and DLWM) that effectively address key limitations of prior world-model planners, with strong empirical results on two benchmarks using a compact model. However, the evaluation is limited to simulated environments, and real-world validation is absent.

Read-first 评分解释

综合优先阅读分 61.6，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 40。

近期性 8%

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

方法质量 25%

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、实验、指标、结果

主题相关性 42%

57.1

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 25%

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：代码

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：290。

关键词评分

world model

world dynamics prediction

generative world model

video world model

world simulator

model-based reinforcement learning world model

interactive world model

深度分析

创新点

空间感知压缩世界编码器（SCWE），从基础模型中提取几何知识，并通过可学习查询将多视图图像压缩为紧凑的场景标记
动态潜在世界模型（DLWM），采用因果Transformer，基于历史视觉和运动表示自回归地预测未来世界状态
通过空间感知和动态信息的潜在世界表示实现强大的轨迹规划，解决了表示压缩不充分、空间理解有限和时间动态利用不足的问题

方法

Latent-WAM包含两个核心模块：空间感知压缩世界编码器（SCWE），利用基础模型提取几何知识，并通过可学习查询将多视图图像压缩为紧凑的场景标记；动态潜在世界模型（DLWM），采用因果Transformer，基于历史视觉和运动表示自回归地预测未来世界状态。该框架以端到端方式训练用于轨迹规划，在NAVSIM v2和HUGSIM基准上评估，与先前无感知方法进行比较。

关键结果

Latent-WAM取得了最先进的结果：NAVSIM v2上EPDMS为89.3，HUGSIM上HD-Score为28.9，以显著更少的训练数据和紧凑的1.04亿参数模型，超越了先前最佳的无感知方法3.2 EPDMS。

资源

论文