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

MAD：面向高效驾驶世界模型的运动与外观解耦

arXiv 26.1 2026 61.9 method, application

TLDR

提出MAD，一种运动-外观解耦框架，高效地将视频扩散模型适配为可控驾驶世界模型。

评分理由

Strengths include novel decoupling approach, high efficiency (matching SOTA with <6% compute), and comprehensive controls. Weaknesses: abstract lacks discussion of limitations or failure cases.

Read-first 评分解释

综合优先阅读分 61.9，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 53。

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%
75.7

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

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

可复现性 25%
38

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：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：413。

关键词评分

world model
10
video world model
10
generative world model
9
world dynamics prediction
9
interactive world model
8
world simulator
7
model-based reinforcement learning world model
0

深度分析

创新点

  • 在两阶段推理-渲染范式中将运动学习与外观合成解耦
  • 通过首先预测骨架化形式的结构化运动，以最小监督将通用视频扩散模型适配为驾驶世界模型
  • 高效适配，以不到先前SOTA 6%的计算量达到同等性能
  • MAD-LTX模型超越所有开源竞争对手，并支持文本、自车和物体控制

方法

所提出的框架通过两阶段过程将通用视频扩散模型（例如SVD、LTX）适配为可控驾驶世界模型。首先，模型被适配为预测简化的骨架化形式的智能体和场景元素的结构化运动，专注于学习物理和社会合理性。然后，重用相同的骨干网络，基于这些运动序列合成逼真的RGB视频，有效地用纹理和光照“装扮”运动。

关键结果

在适配SVD时，该方法以不到先前最先进模型6%的计算量达到同等性能。扩展到LTX后，MAD-LTX超越所有开源竞争对手，并支持全面的文本、自车和物体控制。

资源

论文项目

标签