論文の概要: HelloWorld: Towards Practical Applications of Generative Driving World Models

• arxiv url: http://arxiv.org/abs/2609.28931v1
• Date: Thu, 24 Sep 2026 02:28:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.667485
• Title: HelloWorld: Towards Practical Applications of Generative Driving World Models
• Title（参考訳）: HelloWorld: ジェネレーティブ・ドライビング・ワールド・モデルの実現に向けて
• Abstract要約: HelloWorldは、これらの要件に基づいて設計された2B駆動の世界モデルシステムである。 HelloWorldは、異種ビデオデータから制御可能な駆動生成まで、幅広い視覚的およびモーション的先行を専門としている。 システムは、7カメラのRGB生成と条件付きLiDAR合成をサポートする。
• 参考スコア（独自算出の注目度）: 51.60209642972941
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driving world models provide a promising route toward scalable counterfactual data generation and interactive simulation beyond recorded driving logs. Realizing this potential requires a system that can generalize across diverse scenes, respond faithfully to prescribed controls, generate coherent multi-sensor observations, and operate efficiently under repeated inference. We present \textbf{HelloWorld}, a 2B driving world model system designed around these requirements. HelloWorld progressively specializes broad visual and motion priors from heterogeneous video data into controllable driving generation using ego pose, HD maps, and 3D boxes. A block-causal generation interface, together with adaptation to self-generated context, aligns the model with sequential simulation. The system further supports synchronized seven-camera RGB generation and conditional LiDAR synthesis, and is distilled toward few-step inference for efficient deployment. Experiments evaluate visual quality, control fidelity, cross-view consistency, robustness under repeated generation, inference efficiency, and LiDAR synthesis. Together, HelloWorld provides a unified framework for scalable driving data generation and interactive simulation.
• Abstract（参考訳）: ドライビングワールドモデルは、記録されたドライビングログを超えたスケーラブルなカウンターファクトデータ生成とインタラクティブなシミュレーションへの有望なルートを提供する。 この可能性を実現するには、多様なシーンをまたいで一般化し、所定の制御に忠実に対応し、コヒーレントなマルチセンサー観測を生成し、繰り返し推論の下で効率的に操作するシステムが必要である。 これらの要件に基づいて設計された2B駆動型世界モデルシステムである \textbf{HelloWorld} を提案する。 HelloWorldは、ヘテロジニアスなビデオデータから、エゴポーズ、HDマップ、および3Dボックスを使った制御可能な駆動生成まで、幅広い視覚と動きの先行を徐々に専門化している。 ブロック因果生成インタフェースは、自己生成コンテキストへの適応とともに、モデルを逐次シミュレーションと整合させる。 さらに、同期7カメラRGB生成と条件付きLiDAR合成をサポートし、効率的な展開のために数ステップの推論に向けて蒸留される。 実験では、視覚的品質、制御忠実度、クロスビュー整合性、繰り返し発生時の堅牢性、推論効率、LiDAR合成を評価した。 HelloWorldは、スケーラブルなデータ生成とインタラクティブなシミュレーションのための統合されたフレームワークを提供する。

関連論文リスト

• Xiaomi Auto World Model: A Joint World Model Integrating Reconstruction and Generation for Autonomous Driving [51.90209659403234]
  本報告では,世界モデルの自律運転における2つのコア機能に対処する統合技術システムを提案する。 世界表現のために,スパースシーンクエリによって駆動されるフィードフォワード再構築アーキテクチャであるWorldRecを提案する。 次世代に向けて,両方向性事前学習のための2段階のトレーニングフレームワークWorldGenを提案し,それに続いて因果微調整を行う。
  論文  参考訳（メタデータ） (2026-05-18T09:46:16Z)
• DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving [49.11389494068169]
  我々は、生成駆動世界モデルのための最初の総合的なベンチマークであるDrivingGenを提示する。 DrivingGenは、駆動データセットとインターネットスケールのビデオソースの両方から収集されたさまざまな評価データセットを組み合わせる。 一般的なモデルは良く見えるが物理を破るが、運転に特化したものは現実的に動きを捉えているが、視界の質は遅れている。
  論文  参考訳（メタデータ） (2026-01-04T13:36:21Z)

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。