Latent-WAM：端到端自动驾驶的潜在世界动作建模

我们引入 Latent-WAM，这是一种高效的端到端自动驾驶框架，可通过空间感知和动态信息的潜在世界表示实现强大的轨迹规划。现有的基于世界模型的规划器受到压缩表示不充分、空间理解有限和时间动态利用不足的困扰，导致在数据和计算预算受限的情况下规划不理想。 Latent-WAM 通过两个核心模块解决了这些限制：空间感知压缩世界编码器 (SCWE)，它从基础模型中提取几何知识，并通过可学习查询将多视图图像压缩为紧凑的场景标记；动态潜在世界模型 (DLWM)，它采用因果 Transformer，根据历史视觉和运动表示自动回归预测未来世界状态。 NAVSIM v2 和 HUGSIM 上的大量实验展示了新的最先进结果：NAVSIM v2 上的 EPDMS 为 89.3，HUGSIM 上的 HD 分数为 28.9，以 3.2 EPDMS 超越了最佳先验无感​​知方法，并且训练数据显着减少，并且具有紧凑的 104M 参数模型。