自动驾驶的潜在世界模型：统一分类法、评估框架与开放挑战

arXiv 26.3 2026 71.2 survey, application

TLDR

自动驾驶中潜在世界模型的统一分类法与评估框架，涵盖设计空间、内部机制与开放挑战。

评分理由

The paper provides a comprehensive synthesis of latent world models for driving, with a clear taxonomy and evaluation prescriptions. However, it lacks real-world experiments or empirical validation, being a survey/framework paper.

Read-first 评分解释

综合优先阅读分 71.2，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 51。

方法质量 25%

100

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、实验、指标、结果、验证

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

主题相关性 42%

72.9

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

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：无

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：61。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

自动驾驶世界模型的统一潜在空间框架
按潜在表示（潜在世界、潜在动作、潜在生成器；连续状态、离散令牌、混合体）和结构先验（几何、拓扑、语义）组织设计空间的分类法
识别五种跨领域内部机制：结构同构性、长时域时间稳定性、语义与推理对齐、价值对齐目标与后训练、自适应计算与推理
提出闭环度量套件和资源感知的推理成本以减少开环/闭环不匹配
面向决策就绪、可验证和资源高效的自动驾驶的可操作研究方向

方法

本文通过提出一个统一的潜在空间框架，综合了自动驾驶世界模型的最新进展。它根据潜在表示的目标和形式以及结构先验来组织设计空间，并阐述了五种跨领域的内部机制。还提出了包括闭环度量套件和资源感知的推理成本在内的评估方案，但未描述实验实现。

关键结果

本文提出了一个概念性的分类法和评估框架，用于自动驾驶中的潜在世界模型，但未提供实验结果或对所提思想的实证验证。

局限性

所提框架是理论性的，缺乏实证验证
分类法可能无法涵盖所有现有方法或未来发展
评估方案虽被提出但未实施或测试
本文未呈现新的实验结果或与基线的比较

资源

论文