面向自动驾驶的半监督视觉中心三维占据世界模型

ICLR 25 2025 66.1 method, application

TLDR

提出半监督3D占据世界模型，利用2D标签和体渲染实现自动驾驶预测与规划。

评分理由

Strengths include a novel semi-supervised paradigm reducing annotation cost and integration of forecasting and planning tasks. Weaknesses are reliance on a single dataset and lack of explicit comparison to fully-supervised baselines in the abstract.

Read-first 评分解释

综合优先阅读分 66.1，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 27。

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：数据集、评估、实验、结果

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

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：数据集、GitHub

主题相关性 42%

38.6

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

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：570。

关键词评分

world model

world dynamics prediction

generative world model

world simulator

interactive world model

video world model

model-based reinforcement learning world model

深度分析

创新点

在预训练阶段仅使用二维标签的三维占据世界模型半监督学习范式
两阶段训练：自监督预训练（属性投影头和体渲染）后接全监督微调
属性投影头从三维占据生成RGB、密度和语义场，实现来自二维标签的时间监督
用于递归预测未来占据和自车轨迹的状态条件预测模块

方法

PreWorld采用两阶段训练范式。在自监督预训练阶段，属性投影头从三维占据生成RGB、密度和语义场，体渲染提供来自二维标签的时间监督。在全监督微调阶段，使用三维占据标签。状态条件预测模块递归预测未来占据和自车轨迹。实验在nuScenes数据集上进行。

关键结果

PreWorld在nuScenes数据集上的三维占据预测、四维占据预测和运动规划任务上取得了有竞争力的性能，展示了有效性和可扩展性。

局限性

仍需要微调阶段的三维占据标签，限制了完全的标签效率
评估仅限于nuScenes数据集；未展示对其他数据集或条件的泛化能力

资源

论文代码