PPR-2608.19085
Paper
DA-WAM: Decision-Aligned Future Latents for Driving World Models
| id | |
|---|---|
| updated | |
| type | paper |
| title | DA-WAM: Decision-Aligned Future Latents for Driving World Models |
| authors | Ruiguo Zhong, Benshan Ma, Xiaolong Chen, Lang Zhang, Mingyue Feng, Yaonong Wang, Pei Liu, Jun Ma |
| venue | arXiv:2608.19085（ICLR 2027 投稿格式） |
| arxiv | 2608.19085 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2608.19085v2 |
| source-hash | sha256:4a11e581609809f0e2b799d06c01e865b40cdaa856946d85c3ff05f86edba9d0 |
| admitted-under | U0-user-directive |
| admission-note | 用户 2026-09-10 指令性准入（D18 U0）：作为 NAVSIM 线世界模型分支的基点之一。Tier-1 候选（是否升 Tier-1 须人工确认）。 |
定位
Zhong 等（2026，HKUST(GZ) / Leapmotor）提出 DA-WAM。出发点是：世界模型用于决策的价值不在于“能否预测未来”，而在于预测是否决策信息化（decision-informative）——每条候选动作的预测后果应直接决定该轨迹的评分。论文把已有路线归为两类，认为二者都未保证这一耦合：一类（DriveWorld、LAW、Drive-JEPA、Latent-WAM）主要用时序预测增强场景表征或轨迹学习，预测预训练与规划器优化往往阶段分离（编码器冻结或固定），未来表征无法随打分需求调整；另一类（Drive-WM、WoTE、World4Drive、DriveFuture）把预测未来更直接地带入规划，但预测状态常被池化、共享或与单个候选弱关联，打分器因此可能更多依赖几何线索而非“该动作会碰撞/会偏出”这类动作特定后果。
论文主张：对每个候选轨迹评估其自身预测未来，规划器才能区分几何相近但安全后果不同的轨迹。为此 DA-WAM 把三件事统一到同一决策目标下：预测表征学习在规划器优化全程持续（在线编码器 + 动量目标，避免预训练后冻结）；每条候选得到各自的动作条件未来潜状态（一对一对应，不共享、不池化）；未来潜条件打分器对该候选与自身潜状态联合评分。离线日志只记录专家轨迹的执行未来这一反事实限制，用“专家匹配 + 安全关键难负例”处理。
方法（机制要点）
- 表征适配：在线编码器 \(E_\theta\) 以预训练 V-JEPA 2.1 初始化，在选定 transformer 层注入 LoRA，基座冻结、LoRA 参数受未来预测与轨迹规划梯度联合更新；训练时目标编码器 \(E_{\bar\theta}\) 对观测未来帧 \(X_{t+\Delta}\) 做 stop-gradient 编码，参数按 EMA 更新（\(\bar\theta \leftarrow \mu\bar\theta + (1-\mu)\theta\)），只用于训练。
- 动作条件反事实世界模型：候选轨迹 \(\tau_i\) 经轨迹编码器得动作表示 \(a_i\)；共享预测器 \(P_\phi\) 以 \(a_i\) 为 query、当前场景 token \(Z_t\) 为 key/value 做注意力，输出候选特定未来潜 \(\widehat{Z}_i\)。参数共享使差异只来自动作 query，不引入候选特定偏置。
- 专家匹配：把专家轨迹 \(\tau^{\mathrm{exp}}\) 与最近候选（ADE 最小）匹配，密集潜回归损失只施加于该候选的 \(\widehat{Z}_{i^{\mathrm{exp}}}\)；其余 \(N-1\) 个反事实潜只经下游打分损失间接优化，避免把观测未来误配给未执行动作。
- 未来潜条件打分：打分 transformer 交叉注意力融合 \((Z_t,a_i,\widehat{Z}_i)\) 得轨迹表示 \(h_i\)；因子化头从 \(h_i\) 解码显式规划因子 \(\widehat{\mathbf{q}}_i=[\mathrm{NC},\mathrm{DAC},\mathrm{EP},\mathrm{TTC},\mathrm{Comfort}]\) 与总效用 \(\widehat{s}_i\)，取最高分候选执行。
- 训练与推理：除专家匹配的密集监督外，几何相似但安全结果不同的安全关键难负例提供边界附近对比信号，抑制打分器只靠几何。推理只用在线编码器、预测器与打分器，不需要未来观测或专家先验。
实验结果（摘要）
- NAVSIM v1
navtest：DA-WAM PDMS 93.7（口径见 CPT-017；ViT/L），超过 DriveSuprim（93.5）等；NC 99.1、DAC 98.9、EP 90.0。 - NAVSIM v2
navtest：EPDMS 87.7（ViT/L），TTC 97.9、LK 97.6。论文自报口径；与 DiffusionDriveV2 等对象的跨表数值差异属后续 reconciliation 议题，本卡不复述为权威值。
与本库的关系
- 准入身份：U0-user-directive（用户 2026-09-10 指令性准入，NAVSIM / world-model 线基点）。
- 谱系定位：位于 latent world model 与候选打分的交叉点。上游引用 DriveWorld（PPR-2405.04390）、LAW（PPR-2406.08481）、World4Drive（PPR-2507.00603）、Drive-JEPA（PPR-2601.22032）、Latent-WAM（PPR-2603.24581）、DriveFuture（PPR-2605.09701）、Auto-JEPA、IDOL、LCDrive；候选生成与打分侧引用 DiffusionDrive（PPR-2411.15139）、DriveSuprim（PPR-2506.06659）、GTRS（PPR-2506.06664）、SparseDriveV2、iPad、Centaur 等；评测口径锚定 BMK-006（NAVSIM v1/v2）。
- 与 Latent-WAM 的机制差异：Latent-WAM 也联合训练空间编码器与 EMA 潜目标，但测试时丢弃动力学分支；DA-WAM 主张未来潜应作为打分器的直接条件在推理时保留。
承重关系
- provenance：v2 tarball sha256
4a11e581…edba9d0，缓存cache/sources/2608.19085/。
关联（25）
- PPR-2311.16038 OccWorld: Learning a 3D Occupancy World Model for Autonomous Driving
- PPR-2405.04390 DriveWorld: 4D Pre-Trained Scene Understanding via World Models for Autonomous Driving
- PPR-2406.08481 Enhancing End-to-End Autonomous Driving with Latent World Model
- PPR-2411.15139 DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving
- PPR-2504.01941 End-to-End Driving with Online Trajectory Evaluation via BEV World Model
- PPR-2506.06659 DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning
- PPR-2506.06664 Generalized Trajectory Scoring for End-to-end Multimodal Planning
- PPR-2506.09985 V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning
- PPR-2507.00603 World4Drive: End-to-End Autonomous Driving via Intention-Aware Physical Latent World Model
- PPR-2512.07745 DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving
- PPR-2512.10226 Latent Chain-of-Thought World Modeling for End-to-End Driving
- PPR-2601.22032 Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving
- PPR-2603.24581 Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving
- PPR-2605.09701 DriveFuture: Future-Aware Latent World Models for Autonomous Driving
- PPR-2605.19771 Beyond Imitation: Learning Safe End-to-End Autonomous Driving from Hard Negatives
- PPR-2605.31476 IDOL: Inverse-Dynamics-Guided Future Prediction for End-to-End Autonomous Driving
- PPR-2607.29031 Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving
- BMK-006 NAVSIM non-reactive planning benchmark (v1 PDMS / v2 EPDMS two-stage)
- FRM-2503.05689 GoalFlow 五层重建（骨架）：核心对象是目标点引导的 rectified-flow 多模轨迹生成——从训练轨迹端点聚类出 4096/8192 目标点词表，用距离分与可行驶区分双分数选点，再以该点为条件经单步 rectified flow 生成轨迹，并用 shadow trajectory 检测不可靠目标点；公理层含『无约束生成易发散』『目标点构成强约束』与『扩散长路径不适合实时』。
- FRM-2503.12820 Hydra-MDP++ 五层重建（骨架）：核心对象是在固定离散规划词表上的多教师蒸馏——700K 轨迹 K-means 得词表，分类式解码器先模仿日志轨迹，再以离线仿真的 PDM 指标系统为教师做多头蒸馏，教师指标在传统 NAVSIM 项外扩入红绿灯合规（TL）、车道保持（LK）与扩展舒适（EC）；公理层含『模仿不足需与环境关联』与『固定动作空间可离线生成度量真值』。
- FRM-2512.07745 DiffusionDriveV2 五层重建（骨架）：核心对象是把去噪链视为 MDP 后用 RL 约束/探索的截断扩散生成器——锚内 GRPO 做组内优势、锚间截断 GRPO 负优势归零且碰撞罚一、尺度自适应乘性探索噪声；公理层含『IL 只监督单一正模式致负模式无约束』与『不同意图的锚不应直接比较优劣』；论证主干是多样性-质量权衡的对照与消融。
- FRM-2603.24581 Latent-WAM 五层重建（骨架）：核心对象是空间感知压缩世界编码器（可学习 scene query 压缩多视角图像 + 几何基础模型蒸馏）与动态潜世界模型（因果 Transformer 自回归预测未来世界状态，3D-RoPE + teacher forcing mask + ego 状态监督）；公理层含『世界状态须轻量以支撑长时程转移』与『推理只需 SCWE + 轨迹解码器』；论证为对既有世界模型三缺陷（压缩不足/空间理解缺/历史动态利用不足）的逐项回应。
- FRM-2608.19085 DA-WAM 五层重建（骨架）：核心对象是候选特定的动作条件未来潜（每候选一个、不共享）与未来潜条件的因子化打分器；公理层含『世界模型的规划价值受其预测影响候选级打分的直接程度约束』与离线日志只记录专家执行未来；论证主干是同一骨干下的匹配消融（无未来预测／共享全局未来／当前潜／动作条件未来，± 安全关键难负例）隔离预测-行动耦合。
- CPT-017 PDM Score (PDMS)
- IDX-001 NAVSIM 规划线