点作为骨架：用于闭环自动驾驶仿真的累积点云增强自回归生成

评估端到端自动驾驶 (E2E-AD) 仍然具有挑战性，因为现有的驾驶模拟方法通常会权衡闭环交互性（例如 CARLA）和现实世界的视觉保真度（例如 nuScenes）。我们提出了 \textbf{\emph{Point as Skeleton}}，这是一种用于状态更新自回归驾驶视频生成的生成传感器模拟框架，其中自回归生成器综合了逐步更新的自我状态、交通参与者状态、场景地图和点云骨架条件的视觉观察结果。为了支持闭环轨迹展开，我们引入了 Reset-and-Roll，它通过防止跨模拟步骤提交未来条件的潜在状态来使滚动扩散推理适应模拟。为了稳定逐步自回归轨迹展开过程中的误差累积，我们引入了点云骨架，该骨架将前景和背景资产解耦，并将它们投影到相机视图绘制点和模板深度条件中，提供外观和几何线索。我们进一步实现了一个基于 nuPlan 的渲染器级闭环生成接口，用于评估与原始日志的自我偏差下的生成。 nuScenes 和 nuPlan 上的实验表明 \textit{Point as Skeleton} 提高了闭环轨迹展开期间的自回归生成质量，展示了其在视觉上忠实的闭环驾驶模拟方面的潜力。代码可在 https://github.com/krauwu/point-as-sculpture 获取。