ReactSim-Bench：自动驾驶中反应性行为世界模型模拟的基准测试

arXiv 2026 59.1 benchmark, application

TLDR

提出ReactSim-Bench，用解耦控制和多种指标评估自动驾驶行为世界模型反应能力。

评分理由

Strengths include a novel benchmark that decouples agent and AV control, systematic evaluation of multiple model architectures, and practical metrics for safety and rule compliance. Weaknesses are the narrow focus on autonomous driving and potential lack of generalizability to other domains.

Read-first 评分解释

综合优先阅读分 59.1，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 39。

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：分析、基准、评估、指标

引用影响力 18%

88.9

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：0.88920254

主题相关性 29%

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

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：无

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

基础论文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：349。

关键词评分

world model

world simulator

interactive world model

generative world model

world dynamics prediction

video world model

model-based reinforcement learning world model

深度分析

创新点

提出ReactSim-Bench，首个专门评估自动驾驶中行为世界模型模拟器反应能力的基准。
解耦智能体与自动驾驶车辆的控制，使用与日志不同的自动驾驶行为来测试智能体响应。
构建了一个使用AV planner模型生成候选行为，并通过规则和人工验证过滤的流程。
提出碰撞指标、基于地图的指标和运动学可行性指标，用于评估反应响应的安全性和规则合规性。
对基于Transformer、扩散和下一词预测架构的最先进模型进行了系统评估。

方法

该基准通过向模拟器输入与日志不同的AV行为（由AV planner模型生成并经规则和人工验证过滤）来解耦智能体和AV控制。构建了涵盖三个类别的2,636个测试场景，并使用碰撞、基于地图和运动学可行性指标评估反应响应。评估比较了多种模型架构，并分析了重新规划频率的影响。

关键结果

对基于Transformer、扩散和下一词预测架构的最先进模型的系统评估揭示了反应能力上的性能差异。重新规划频率的分析为模型需要多久更新预测以维持安全和可行响应提供了见解。

局限性

该基准仅限于三个类别的2,636个场景，可能无法完全代表真实世界反应驾驶情况的多样性。
流程中的人工验证引入了潜在的主观性和可扩展性问题。
用于生成候选行为的AV planner模型可能无法覆盖所有可能的AV行为，限制了测试的反应挑战范围。

技术栈

Transformer-based modelsDiffusion-based modelsNext-token-prediction-based modelsAV planner model

资源

论文