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

U4D: 基于LiDAR序列的不确定性感知4D世界建模

arXiv 25.12 2025 53.1 method, application

TLDR

U4D提出基于LiDAR序列的不确定性感知4D世界建模,通过两阶段生成和时空融合实现真实且时间一致的动态场景。

评分理由

The paper presents a novel uncertainty-aware framework that addresses uniform generation artifacts in LiDAR-based 4D world modeling, with a clear two-stage approach and temporal coherence mechanism. Strengths include the explicit handling of spatial uncertainty and the MoST block for temporal fusion; weaknesses are the narrow focus on LiDAR data and lack of discussion on generalization to other modalities or interactive settings.

Read-first 评分解释

综合优先阅读分 53.1,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 36。

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

方法质量 25%
60

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、指标

主题相关性 42%
51.4

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 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:工件

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:316。

关键词评分

world model
9
generative world model
8
world dynamics prediction
7
world simulator
4
video world model
3
model-based reinforcement learning world model
3
interactive world model
2

深度分析

创新点

  • 用于4D LiDAR世界建模的不确定性感知框架,从预训练分割模型估计空间不确定性图以定位语义挑战区域
  • 从难到易的生成策略,包含两个顺序阶段:针对高熵区域的不确定性区域建模和针对剩余区域的不确定性条件补全
  • 混合时空(MoST)块,在扩散过程中自适应融合空间和时间表示以确保时间一致性

方法

U4D首先使用预训练分割模型估计空间不确定性图以识别语义挑战区域。然后通过两个阶段以“从难到易”的方式进行生成:(1) 不确定性区域建模以精细几何保真度重建高熵区域,(2) 不确定性条件补全在学习的结构先验下合成剩余区域。时间一致性通过混合时空(MoST)块在扩散过程中自适应融合空间和时间表示来保证。

关键结果

大量实验表明,U4D生成几何保真且时间一致的LiDAR序列,推进了用于自主感知和仿真的4D世界建模的可靠性。

标签