OccSim：使用长视野占用世界模型的多公里模拟

数据驱动的自动驾驶模拟长期以来一直受到严重依赖预先记录的驾驶日志或空间先验（例如高清地图）的限制。这种基本的依赖性严重限制了可扩展性，将开放式生成能力限制在现有收集数据集的有限范围内。为了打破这个瓶颈，我们推出了 OccSim，第一个居住世界模型驱动的 3D 模拟器。 OccSim 无需连续日志或高清地图；仅以单个初始帧和一系列未来自我动作为条件，它可以稳定生成超过 3,000 个连续帧，从而能够连续构建跨越 4 公里的大型 3D 占用地图以进行模拟。与之前最先进的占用世界模型相比，这意味着稳定生成长度提高了 80 倍以上。 OccSim 由两个模块提供支持：基于 W-DiT 的静态占用世界模型和布局生成器。 W-DiT 通过在架构设计中明确引入已知的刚性变换来处理静态环境的超长视野生成，而布局生成器则使用基于合成道路拓扑的反应代理填充动态前景。通过这些设计，OccSim 可以合成大量、多样化的模拟流。大量实验证明了其下游实用性：直接从 OccSim 收集的数据可以预训练 4D 语义占用预测模型，以在未见过的数据上实现高达 67% 的零样本性能，比之前基于资产的模拟器高出 11%。当将 OccSim 数据集缩放到 5 倍大小时，零样本性能提高到约 74%，而相对于基于资产的模拟器的改进扩大到 22.1%。