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

Terra ACT-Bench: 迈向自动驾驶的动作可控世界模型

arXiv 24.12 2024 77.5 method, benchmark, system, application

TLDR

一个用于评估自动驾驶世界模型中动作保真度的开源基准和基线模型

评分理由

The paper addresses a clear gap in evaluating action controllability of world models, providing an open-access framework and baseline. Its strength lies in reproducibility and focus on action fidelity, but it is limited to the autonomous driving domain and does not cover other aspects of world model evaluation.

Read-first 评分解释

综合优先阅读分 77.5，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 52。

可复现性 25%
81

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

方法质量 25%
80

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：基线、基准、数据集、评估

近期性 8%
75.1

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：2024

主题相关性 42%
74.3

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

方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：32。

关键词评分

world model
10
world dynamics prediction
9
generative world model
8
video world model
8
interactive world model
7
world simulator
6
model-based reinforcement learning world model
4

深度分析

创新点

  • 用于量化自动驾驶世界模型中动作忠实度的开放获取评估框架ACT-Bench
  • 在多个大规模轨迹标注数据集上训练的基线世界模型Terra，以提升动作忠实度
  • 将nuScenes中的短上下文视频与对应未来轨迹数据配对的大规模数据集，用于动作忠实度评估

方法

本文提出了ACT-Bench，一个开放获取的评估框架，包含一个将nuScenes中的短上下文视频与未来轨迹数据配对的数据集。该数据集作为生成未来视频帧的条件输入，能够定量评估动作忠实度。此外，基线世界模型Terra在多个大规模轨迹标注数据集上训练，以增强对动作指令的遵循程度。该框架用于比较Terra与最先进模型。

关键结果

最先进的模型未能完全遵循给定的动作指令，而Terra实现了更高的动作忠实度。

资源

论文代码项目Hugging Face

标签