UniDrive-WM：面向自动驾驶的统一理解、规划与生成世界模型

arXiv 26.1 2026 42.6 method, application

TLDR

UniDrive-WM是一个统一的基于VLM的自动驾驶世界模型，联合执行场景理解、轨迹规划和未来图像生成。

评分理由

The paper's strength lies in tightly integrating perception, planning, and generation within a single VLM architecture, achieving significant improvements on the Bench2Drive benchmark. However, it is limited to a single benchmark and lacks real-world deployment or diverse scenario validation.

Read-first 评分解释

综合优先阅读分 42.6，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 42。

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、实验、结果

主题相关性 29%

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：GitHub

引用影响力 18%

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。引用数：0

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：329。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

video world model

model-based reinforcement learning world model

interactive world model

深度分析

创新点

统一的基于VLM的世界模型，在单一架构中联合执行驾驶场景理解、轨迹规划和轨迹条件化的未来图像生成
轨迹规划器预测未来轨迹，该轨迹条件化一个基于VLM的图像生成器以生成合理的未来帧，提供额外的监督信号以增强场景理解并迭代优化轨迹生成
比较未来图像预测的离散和连续输出表示及其对下游驾驶性能的影响

方法

UniDrive-WM是一个统一的基于VLM的世界模型，联合执行场景理解、轨迹规划和轨迹条件化的未来图像生成。轨迹规划器预测未来轨迹，该轨迹条件化一个基于VLM的图像生成器以生成未来帧；这些预测提供监督信号以增强理解并迭代优化轨迹生成。该模型在Bench2Drive基准上进行评估。

关键结果

UniDrive-WM在Bench2Drive基准上相比之前最佳方法，将L2轨迹误差降低了7.3%，碰撞率降低了10.4%，同时生成高保真未来图像。

资源

论文项目