⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

LiSTAR: Ray-Centric World Models for 4D LiDAR Sequences in Autonomous Driving

arXiv 25.11 2025 51.5 method, application

TLDR

该论文围绕“LiSTAR: Ray-Centric World Models for 4D LiDAR Sequences in Autonomous Driving”研究世界模型相关问题。

评分理由

The paper presents a novel approach with strong quantitative results (e.g., 76% MMD reduction) and addresses key challenges in LiDAR data generation. However, it is limited to LiDAR modality and does not cover interactive or RL-based world models, and the abstract lacks explicit discussion of limitations or broader applicability.

Read-first 评分解释

综合优先阅读分 51.5，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 34。

近期性 8%
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 25%
50

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：实验

主题相关性 42%
48.6

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 25%
46

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：工件、GitHub

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：368。

关键词评分

generative world model
10
world model
9
world simulator
6
world dynamics prediction
5
video world model
2
interactive world model
1
model-based reinforcement learning world model
1

深度分析

创新点

  • 该论文围绕“LiSTAR: Ray-Centric World Models for 4D LiDAR Sequences in Autonomous Driving”研究世界模型相关问题。

方法

当前中文深度分析由本地兜底生成，建议后续对该论文单独重试模型翻译。

局限性

  • 由于模型翻译结果缺失，该中文条目仅作占位，不替代完整人工校对。

资源

论文项目

标签