基于隐式残差世界模型的视觉中心4D占用预测与规划

arXiv 25.10 2025 49.8 method, application

TLDR

提出IR-WM隐式残差世界模型用于4D占用预测与规划，在nuScenes上达到最佳性能。

评分理由

The paper introduces a novel residual prediction approach to avoid redundant static background modeling, supported by strong empirical results on nuScenes. Strengths include the alignment module and coupling schemes for planning; weaknesses include limited evaluation to a single benchmark and potential lack of generalizability.

Read-first 评分解释

综合优先阅读分 49.8，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 38。

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

主题相关性 42%

54.3

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

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：基准

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：无；数据：无；命中信号：无

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：464。

关键词评分

world model

world dynamics prediction

generative world model

model-based reinforcement learning world model

video world model

interactive world model

world simulator

深度分析

创新点

隐式残差世界模型（IR-WM），仅预测残差变化而非完整未来场景重建
利用前一个时间步的BEV特征作为强时间先验进行残差预测
对齐模块用于校准语义和动态错位以减少误差累积
研究不同预测-规划耦合方案，证明隐式未来状态可提升规划精度

方法

IR-WM首先从视觉观测中构建当前状态的鸟瞰图（BEV）表示。然后利用前一个时间步的BEV特征作为时间先验，仅预测基于自车动作和场景上下文的残差变化。应用对齐模块校准语义和动态错位以减轻随时间累积的误差。

关键结果

在nuScenes基准上，IR-WM在4D占用预测和轨迹规划方面均达到最佳性能。

资源

论文