論文の概要: Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving

• arxiv url: http://arxiv.org/abs/2603.24581v1
• Date: Wed, 25 Mar 2026 17:56:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.428999
• Title: Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving
• Title（参考訳）: Latent-WAM: エンド・ツー・エンド自律運転のための潜在世界行動モデリング
• Authors: Linbo Wang, Yupeng Zheng, Qiang Chen, Shiwei Li, Yichen Zhang, Zebin Xing, Qichao Zhang, Xiang Li, Deheng Qian, Pengxuan Yang, Yihang Dong, Ce Hao, Xiaoqing Ye, Junyu han, Yifeng Pan, Dongbin Zhao,
• Abstract要約: Latent-WAMは効率的なエンドツーエンドの自動運転フレームワークである。 空間認識および動的インフォームドされた潜在世界表現を通じて、強力な軌道計画を実現する。
• 参考スコア（独自算出の注目度）: 40.17041348571413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Latent-WAM, an efficient end-to-end autonomous driving framework that achieves strong trajectory planning through spatially-aware and dynamics-informed latent world representations. Existing world-model-based planners suffer from inadequately compressed representations, limited spatial understanding, and underutilized temporal dynamics, resulting in sub-optimal planning under constrained data and compute budgets. Latent-WAM addresses these limitations with two core modules: a Spatial-Aware Compressive World Encoder (SCWE) that distills geometric knowledge from a foundation model and compresses multi-view images into compact scene tokens via learnable queries, and a Dynamic Latent World Model (DLWM) that employs a causal Transformer to autoregressively predict future world status conditioned on historical visual and motion representations. Extensive experiments on NAVSIM v2 and HUGSIM demonstrate new state-of-the-art results: 89.3 EPDMS on NAVSIM v2 and 28.9 HD-Score on HUGSIM, surpassing the best prior perception-free method by 3.2 EPDMS with significantly less training data and a compact 104M-parameter model.
• Abstract（参考訳）: 本研究では、空間認識および動的インフォームドされた潜在世界表現を通じて強力な軌道計画を実現する、効率的なエンドツーエンド自動運転フレームワークであるLatent-WAMを紹介する。 既存のワールドモデルベースのプランナーは、不十分に圧縮された表現、限られた空間的理解、未使用の時間的ダイナミクスに悩まされ、制約されたデータや計算予算の下での準最適計画に繋がる。 空間対応圧縮型世界エンコーダ(SCWE)は、基礎モデルから幾何学的知識を抽出し、学習可能なクエリを介して複数のビュー画像をコンパクトなシーントークンに圧縮する。 NAVSIM v2 と HUGSIM に関する大規模な実験では、NAVSIM v2 の 89.3 EPDMS と HUGSIM の 28.9 HD-Score の 89.9 EPDMS が、トレーニングデータの少ない 3.2 EPDMS と 104M-parameter モデルに比例した。

関連論文リスト

• Kinematics-Aware Latent World Models for Data-Efficient Autonomous Driving [8.391716372682316]
  車両キネマティック情報は観測エンコーダに組み込まれ、物理的に意味のある運動力学における潜伏遷移を基底とする。 ジオメトリ・アウェアの監督は、RSSM潜時状態を規則化し、ピクセル再構成を超えてタスク関連空間構造をキャプチャする。
  論文  参考訳（メタデータ） (2026-03-07T15:47:54Z)
• LaDi-WM: A Latent Diffusion-based World Model for Predictive Manipulation [45.02469804709771]
  拡散モデルを用いて将来の状態の潜伏空間を予測する世界モデルLaDi-WMを提案する。 LIBERO-LONGベンチマークでは,LaDi-WMが27.9%,現実シナリオでは20%,政策性能が著しく向上することを示した。
  論文  参考訳（メタデータ） (2025-05-13T04:42:14Z)
• Simplifying Latent Dynamics with Softly State-Invariant World Models [10.722955763425228]
  エージェントの動作をより予測可能なものにするために、潜時力学を規則化する世界モデルであるParsimonious Latent Space Model (PLSM)を導入する。 我々の正規化は下流タスクの精度、一般化、性能を改善する。
  論文  参考訳（メタデータ） (2024-01-31T13:52:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。