PPR-2512.10226
Paper
Latent Chain-of-Thought World Modeling for End-to-End Driving
| id | |
|---|---|
| updated | |
| type | paper |
| title | Latent Chain-of-Thought World Modeling for End-to-End Driving |
| authors | Shuhan Tan, Kashyap Chitta, Yuxiao Chen, Ran Tian, Yurong You, Yan Wang |
| venue | arXiv:2512.10226 |
| arxiv | 2512.10226 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2512.10226v3 |
| source-hash | sha256:397d90674eff5568e879e83154dcb894d0a3a3b71c88fc5cab3657129cfdcf4e |
| admitted-under | A2-direct-edge |
| admission-note | 被 DA-WAM（PPR-2608.19085）直接引用（tan2026latentcot，用未来潜做潜链式推理）。 |
定位
Tan 等（2025）提出 Latent-CoT-Drive（LCDrive）。论文关注驾驶 VLA 模型的推理时思考：既有工作多用自然语言表达链式思维（CoT）再产出驾驶动作，但文本可能不是最有效的推理表示。LCDrive 用捕捉所考虑驾驶动作可能后果的潜语言来表达 CoT，把推理与决策统一在同一动作对齐的潜空间：模型以两类 token 交替推理——动作提案 token（与模型输出动作同词表）与世界模型 token（接地于学得的潜世界模型，表达这些动作的未来后果）。训练上先用场景真值未来 rollout 监督动作提案与世界模型 token 做冷启动，再做后训练。
与本库的关系
- 准入身份：A2-direct-edge（被 DA-WAM 直接引用）。
- 谱系定位：未来潜用于推理（而非仅打分条件）的一支。与 IDOL（PPR-2605.31476）的逆动力学桥、DriveFuture（PPR-2605.09701）的未来潜条件、DA-WAM（PPR-2608.19085）的每候选未来潜打分共同构成“未来潜如何进入决策”的设计谱系。作者群与 NAVSIM/TransFuser 生态重叠。
Provenance
- Tier-0 轻量 ingest（S2 元数据）：
version/source-hash占位（待补）。
关联（7）
- PPR-2605.09701 DriveFuture: Future-Aware Latent World Models for Autonomous Driving
- PPR-2605.31476 IDOL: Inverse-Dynamics-Guided Future Prediction for End-to-End Autonomous Driving
- PPR-2608.19085 DA-WAM: Decision-Aligned Future Latents for Driving World Models
- FRM-2506.08052 ReCogDrive 五层重建（骨架）：核心对象是把 VLM 的驾驶认知先验与扩散规划器耦合、并以扩散版 GRPO 做安全后训练的三阶段框架——先用“生成/精炼/质控”三级流水线造出模仿人类认知顺序的驾驶 QA 数据训练 VLM，再把其认知 token 注入扩散规划器生成连续稳定轨迹，最后用 DiffGRPO 以 NAVSIM 仿真器的 PDMS 作奖励做强化；公理层含『把规划当语言建模会产出违格式/不可行动作且推理慢』与『多模专家演示下纯模仿会学出平均轨迹』。
- FRM-2506.13757 AutoVLA 五层重建（骨架）：核心对象是把推理与动作生成统一在单一自回归模型里的驾驶 VLA——把连续轨迹经 K-disk 聚类离散成 2048 个“物理可行”动作 token 直接并入语言词表，用监督微调赋予快思考（仅输出轨迹）与慢思考（CoT 增强）双模式，再以 GRPO 强化微调削掉直白场景中不必要的推理；公理层含『VLA 常见病是物理不可行动作、结构复杂与推理冗长』。
- FRM-2512.10226 Latent-CoT-Drive 五层重建（骨架）：核心对象是把驾驶 VLA 的思维链从自然语言换到“动作对齐的潜语言”——推理轨迹由动作提案 token（与最终输出同一词表、每 10 步构成 1 秒块）与潜世界模型 token（同一 1 秒窗口的 ego 中心世界状态）交错组成，多分支（默认 2）展开成反事实未来并作为最终动作的条件；公理层含『自然语言不适合表达时空几何与多智能体交互』『文本链的生成延迟与动作—文本对齐弱』。
- IDX-001 NAVSIM 规划线