OccDirector：语言引导的4D占据空间中的行为与交互生成

arXiv 2026 62.1 method, system, application

TLDR

OccDirector 从自然语言生成4D占用动态，实现最先进的指令跟随。

评分理由

The paper introduces a novel framework for language-guided generation of 4D occupancy dynamics, with a new dataset and benchmark. Strengths include addressing the semantic-spatiotemporal gap and achieving high-quality generation. Weaknesses include a narrow focus on autonomous driving and potential scalability issues not discussed.

Read-first 评分解释

综合优先阅读分 62.1，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 6%

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 18%

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、数据集、评估、实验、指标

主题相关性 29%

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

引用影响力 18%

64.6

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.64641027

可复现性 18%

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：数据集

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：366。

关键词评分

generative world model

world model

world simulator

interactive world model

world dynamics prediction

video world model

model-based reinforcement learning world model

深度分析

创新点

仅基于自然语言生成4D占用动态，无需几何先验
采用VLM驱动的时空MMDiT和历史前缀锚定策略，实现长时程交互一致性
OccInteract-85k数据集，包含从静态布局到多智能体行为的多级语言指令
新颖的基于VLM的指令跟随评估基准

方法

OccDirector采用VLM驱动的时空MMDiT架构和历史前缀锚定策略，从自然语言脚本生成4D占用动态。它在OccInteract-85k数据集上训练，该数据集提供多级语言标注，并使用新颖的基于VLM的基准进行评估。

关键结果

OccDirector实现了最先进的生成质量和前所未有的指令跟随能力，将范式从外观合成转向语言驱动的行为编排。

资源

论文