从潜在世界模型中学习多重概率决策的自动驾驶

arXiv 24.9 2024 72.2 method, application

TLDR

LatentDriver利用混合分布潜在世界模型处理自动驾驶不确定性与自我欺骗，在Waymax上超越现有最优方法。

评分理由

The paper addresses key challenges in autoregressive world models for decision-making by modeling multiple probabilistic hypotheses, which is a novel contribution. Strengths include clear problem formulation and strong empirical results on a closed-loop benchmark. Weaknesses are limited scope (only vectorized scenes, no video) and lack of ablation on mixture modeling components.

Read-first 评分解释

综合优先阅读分 72.2，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 39。

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、评估、实验、结果

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：有；数据：无；命中信号：代码、GitHub

近期性 8%

75.1

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：2024

主题相关性 42%

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

研究版图角色

方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：225。

关键词评分

world model

world dynamics prediction

generative world model

world simulator

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

提出多重概率假设以解决自回归世界模型中不确定性建模不足的问题
LatentDriver框架将环境下一状态和自车动作建模为混合分布
通过向世界模型提供从分布中采样的中间动作来缓解自我欺骗问题

方法

LatentDriver使用自回归世界模型捕获向量化场景理解，然后将环境的下一状态和自车的可能动作建模为混合分布。从该混合分布中推导出确定性控制信号，并通过将采样的中间动作反馈给世界模型来减少自我欺骗问题。

关键结果

在Waymax闭环基准测试中，LatentDriver超越了最先进的强化学习和模仿学习方法，达到了专家级性能。

局限性

自我欺骗问题得到缓解但未完全消除
评估仅限于Waymax基准测试，未展示对其他驾驶场景的泛化能力
依赖自回归世界模型可能继承其泛化局限性和计算成本

资源

论文代码