小米汽车世界模型：一种融合重建与生成的联合世界模型用于自动驾驶

arXiv 2026 48.6 method, system, application

TLDR

结合重建(WorldRec)和生成(WorldGen)的自动驾驶统一世界模型，用于闭环仿真与数据合成。

评分理由

The paper presents a novel joint architecture integrating feed-forward 3D scene reconstruction with efficient causal video generation, achieving synergistic gains in consistency and fidelity. Strengths include a clear two-module design and progressive training; weaknesses are the lack of explicit real-world experimental results in the abstract and potential complexity in deployment.

Read-first 评分解释

综合优先阅读分 48.6，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

引用影响力 18%

71.9

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。归一化引用分位：0.71878087

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

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：无

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：无

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

前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：333。

关键词评分

world model

generative world model

video world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

WorldRec：一种由稀疏场景查询驱动的前馈重建架构，在3D空间中初始化结构化查询，聚合跨视角、跨时间特征，强制空间一致性，生成紧凑高保真的3D高斯场景表示。
WorldGen：一种两阶段训练框架，包括双向预训练和因果微调（通过教师强制、ODE蒸馏和DMD三个渐进阶段），仅需4步去噪即可实现高质量在线因果视频生成。
JWM：深度集成WorldRec和WorldGen，在生成稳定性、跨帧一致性和视觉保真度上实现协同增益。

方法

本文提出一个统一系统，包含两个模块：WorldRec用于世界表示，利用3D空间中的稀疏场景查询聚合跨视角和跨时间特征；WorldGen用于世界生成，采用两阶段训练框架（双向预训练后因果微调，包括教师强制、ODE蒸馏和DMD）实现高效视频生成。联合世界模型（JWM）集成两个模块以获得协同改进。

关键结果

JWM在生成稳定性、跨帧一致性和视觉保真度上实现协同增益，为自动驾驶的闭环仿真、数据合成和端到端训练提供了坚实基础。

资源

论文