PLAN-S：将规划与自动驾驶世界模型的潜在风格动态联系起来

潜在世界模型（LWM）通过预测下游规划的紧凑场景动态来增强端到端自动驾驶。然而，现有的基于 LWM 的规划器通常直接从纠缠的潜在表示生成轨迹。这种紧凑的潜在到规划路径缺乏对风险、驾驶性能和不同风格偏好的明确建模，使得在选择最终轨迹之前难以监督、检查或调节驾驶风格动态。我们提出了 PLAN-S（具有潜在风格动态的 PLANning），这是一种面向规划者的桥梁，通过从潜在表示中解码风格条件的四通道语义成本图来解决这种紧凑性-可控性困境。成本图以自我状态和驾驶风格为条件，并通过两个主机端接口在规划决策的上游消耗：回归规划器的注意力级别融合和锚定分数规划器的奖励级别融合。我们在两个架构不同的主机（nuScenes 上的 ResWorld 和 NAVSIM 上的 WoTE）上验证 PLAN-S，同时保持主机主干冻结以隔离所提议的桥的贡献。在 nuScenes 上，PLAN-S 减少了基线以上每个地平线的 L2，平均 L2 为 0.55 m，3 秒碰撞率相对减少了 42%。在 NAVSIM 上，规则成本变体达到 89.4 预测驾驶员模型得分 (PDMS)，而学习成本变体在基线挑战场景中提供了补充收益。消融表明，成本路径对更安全的轨迹选择有最直接的贡献。定性结果进一步表明，PLAN-S 可以生成不同的成本图，并根据不同的驾驶风格提供空间一致的变化。