V2X-WAM：连接车路协同场景预测与自动驾驶规划

车辆与基础设施的合作可以通过对交通环境进行更广泛、更丰富的观测来补充车载传感，为端到端自动驾驶提供宝贵的支持。然而，现有的协作驾驶方法主要利用路边信息来增强当前场景的表示，而很少对预期驾驶行为的未来后果进行明确建模。这限制了规划者预测其决策如何与不断变化的交通环境相互作用的能力。为了解决这个问题，我们提出了 V2X-WAM，一种协作世界动作模型，它将协作场景理解、动作生成和未来世界推理紧密结合在一起。 V2X-WAM 根据车辆和基础设施端的观测构建可靠性感知的时空表示，同时将基础设施信息压缩为紧凑的量化消息以实现高效通信。基于由此产生的协作表示，多模态规划器生成预期轨迹，明确地调节未来占用和动态流预测。然后反馈预测的世界后果，以细化计划的轨迹，形成行动与未来世界演变之间的封闭互动。在大规模现实世界协同驾驶数据集上进行的实验表明，与代表性的端到端协同驾驶方法相比，V2X-WAM 持续提高了规划准确性和安全性，同时实现了更强的未来世界预测并大幅降低了通信开销。消融研究进一步验证了所提出设计的有效性。