PPR-2311.17918
Paper
Driving Into the Future: Multiview Visual Forecasting and Planning with World Model for Autonomous Driving
| id | |
|---|---|
| updated | |
| type | paper |
| title | Driving Into the Future: Multiview Visual Forecasting and Planning with World Model for Autonomous Driving |
| authors | Yu-Quan Wang, Jiawei He, Lue Fan, Hongxin Li, Yuntao Chen, Zhaoxiang Zhang |
| venue | CVPR 2024 (arXiv:2311.17918) |
| arxiv | 2311.17918 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2311.17918v1 |
| source-hash | sha256:9dcdd41a41c3778e95677d7e2c73797293ae4b7165cc70a2778e6309b1cd0d71 |
| admitted-under | A2-direct-edge |
| admission-note | 被 DA-WAM、Latent-WAM 直接引用为“生成未来视图用于规划”的代表。 |
定位
Wang 等（CVPR 2024）提出 Drive-WM。论文的动机是：在自动驾驶中提前预测事件并评估可预见风险，能帮助自车更好地规划动作、提升安全与效率。关键思路是让驾驶世界模型与既有端到端规划模型兼容。方法上通过视图分解（view factorization）做联合时空建模，生成高保真的多视角驾驶视频；在此基础上展示世界模型用于安全规划的可能：模型可基于不同驾驶机动推演多个未来，再依据图像式奖励确定最优轨迹。论文报告在真实驾驶数据集上生成高质量、连贯且可控的多视角视频，为真实世界仿真与安全规划打开空间。
与本库的关系
- 准入身份：A2-direct-edge（被 DA-WAM、Latent-WAM 直接引用）。
- 谱系定位：显式视频生成世界模型的一支，DA-WAM 把它归入“把预测未来更直接地带进规划、但预测状态常被共享/池化/弱关联”一类，是 DA-WAM 一对一未来潜主张的直接对照。
Provenance
- Tier-0 轻量 ingest（S2 元数据）：
version/source-hash占位（待补）。
关联（5）
- PPR-2405.17398 Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability
- PPR-2412.18607 DrivingGPT: Unifying Driving World Modeling and Planning with Multi-Modal Autoregressive Transformers
- PPR-2504.01941 End-to-End Driving with Online Trajectory Evaluation via BEV World Model
- FRM-2311.17918 Drive-WM 五层重建（骨架）：核心对象是首个与既有端到端规划器兼容的多视图驾驶世界模型——以“视图因式化”的联合时空建模在图像扩散模型上挂时序层与多视图层（冻结图像权重、只微调新增层）生成一致的多视图视频，并把它用于规划：规划器从真实多视图图采候选轨迹，按动作条件生成各候选的未来视频，用基于生成视频感知结果的图像奖励（地图奖励 × 物体奖励）选最优轨迹并迭代成树式 rollout。
- IDX-001 NAVSIM 规划线