小米电动汽车世界模型：一种融合重建与生成的联合世界模型用于自动驾驶
TLDR
一种融合重建（WorldRec）与生成（WorldGen）的联合世界模型，用于提升自动驾驶的稳定性和保真度。
评分理由
The paper presents a unified system combining reconstruction and generation for world models in autonomous driving, with novel techniques like sparse scene queries and two-stage training. However, the abstract lacks explicit real-world evaluation or comparison to existing methods, and the scope is limited to autonomous driving.
Read-first 评分解释
综合优先阅读分 49，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 43。
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：339。
关键词评分
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以聚合跨视角、跨时间特征，强制空间一致性并生成紧凑的3D高斯场景表征。
- WorldGen：一种两阶段训练框架，包括双向预训练和通过三个渐进阶段（Teacher Forcing、ODE蒸馏和DMD）的因果微调，仅需4步去噪即可实现高质量的在线因果视频生成。
- JWM：一种联合世界模型，深度融合WorldRec和WorldGen，在生成稳定性、跨帧一致性和视觉保真度方面实现协同增益，用于自动驾驶应用。
方法
本文提出了一套统一的技术系统，包含两个核心模块：WorldRec用于世界表征，使用稀疏3D查询聚合跨视角和跨时间特征为紧凑的3D高斯场景表征；WorldGen用于世界生成，采用两阶段训练框架（双向预训练，然后通过Teacher Forcing、ODE蒸馏和DMD进行因果微调）实现高效的在线因果视频生成。联合世界模型（JWM）整合了两个模块以利用它们的互补优势。
关键结果
JWM在生成稳定性、跨帧一致性和视觉保真度方面实现了协同增益，仅需4步去噪即可生成高质量的在线因果视频，为自动驾驶中的闭环仿真、数据合成和端到端训练提供了坚实基础。