論文の概要: InfraWorld: Motion-Aware World Modeling for Roadside 4D Occupancy Forecasting

• arxiv url: http://arxiv.org/abs/2610.14544v1
• Date: Sat, 10 Oct 2026 04:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 13:01:52.047007
• Title: InfraWorld: Motion-Aware World Modeling for Roadside 4D Occupancy Forecasting
• Title（参考訳）: InfraWorld: ロードサイド4D作業予測のためのモーションアウェアな世界モデリング
• Abstract要約: InfraWorldは、道路沿いの占有率を選択的状態の進化として予測する世界モデルである。 InfraWorldは、完全なシーンのための高密度なBEV状態と、移動領域のための永続的なモーションクエリを維持している。 InfraWorldは、エゴ中心の設定下での有効性を保ちながら、ロードサイドの4D占有率予測の最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 9.423894718436195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Roadside 4D occupancy forecasting predicts future semantic occupancy in a fixed infrastructure coordinate system. Roadside scenes are globally structured yet locally evolving, requiring comprehensive scene-level context while precisely modeling sparse localized motion. However, existing forecasting paradigms struggle to tackle both requirements. To address this limitation, we propose InfraWorld, a world model formulating roadside occupancy forecasting as selective state evolution. InfraWorld maintains a dense BEV state for the complete scene and persistent motion queries for moving regions, assigning complementary states to global context and local dynamics. Specifically, we propose Dynamic Query Initiation (DQI) to initialize queries in regions supported by motion in the observed history. During rollout, the dense state is updated through Long--Short Temporal Fusion (LST), which combines short-term adjacent-frame continuity with long-term motion trends to preserve stable context while capturing scene evolution. Motion-Aware Query Injection (MAQI) then refines the queries and injects confidence-weighted query information into corresponding BEV tokens, enabling targeted dynamic updates without perturbing global context. Together, InfraWorld concentrates predictive capacity on evolving traffic regions. Extensive experiments on the InfraOcc and Occ3D--nus datasets demonstrate that InfraWorld achieves state-of-the-art performance for roadside 4D occupancy forecasting while retaining its effectiveness under ego-centric settings. Code will be released.
• Abstract（参考訳）: 道路側4D占有予測は、固定されたインフラ座標系における将来の意味的占有を予測する。 路面のシーンはグローバルに構造化されているが、局所的に進化している。 しかし、既存の予測パラダイムは両方の要件に取り組むのに苦労しています。 この制限に対処するために,道路側占有率予測を選択的状態進化として定式化した世界モデルであるInfraWorldを提案する。 InfraWorldは、完全なシーンのための高密度なBEV状態と、移動領域のための永続的なモーションクエリを維持し、グローバルコンテキストとローカルダイナミクスに相補的な状態を割り当てている。 具体的には、観察履歴の動作によってサポートされている領域のクエリを初期化する動的クエリ開始(DQI)を提案する。 ロールアウト中、高密度状態はLST(Long-Short Temporal Fusion)によって更新される。 Motion-Aware Query Injection (MAQI) はクエリを洗練し、信頼性の高いクエリ情報を対応するBEVトークンに注入する。 同時に、InfraWorldは、進化するトラフィック領域に予測能力に集中している。 InfraOccとOcc3D-nusデータセットの大規模な実験により、InfraWorldは、エゴ中心の設定下での有効性を維持しながら、ロードサイドの4D占有率予測の最先端のパフォーマンスを達成することを示した。 コードはリリースされる。

関連論文リスト

• From Where to How: Continuous 4D Interaction Forecasting from Egocentric Video [62.898774619819676]
  エゴセントリックな4Dインタラクション予測は、将来のインタラクションが3Dで起こる場所と、その実現のために人体がどのように動くかを予測することを目的としている。 コヒーレント4D(Coherent4D)は、3つの領域にわたる約233Kサンプルからなる連続4Dインタラクション予測のための大規模エゴセントリックデータセットである。 HIGFlow(Hand Interaction Guided Residual Flow)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T12:06:23Z)
• EgoMoD: Predicting Global Maps of Dynamics from Local Egocentric Observations [3.5831173106587393]
  Maps of Dynamics (MoDs) は、長期のグローバルプランニングに有用な空間における動き傾向の構造化された表現を提供する。 EgoMoDは,ロボット操作中に収集した短い自我中心のビデオクリップから直接,未来のMoDを予測するための最初のアプローチである。 本手法は,外部観測から学習したMoDを用いて学習した映像とポーズ条件のアーキテクチャを用いて,局所的な動的キューから環境全体の動き傾向を推定する。
  論文  参考訳（メタデータ） (2026-02-26T09:56:21Z)
• ResWorld: Temporal Residual World Model for End-to-End Autonomous Driving [40.28153843744977]
  動的オブジェクトモデリングに焦点を当てた時間的残留世界モデル(TR-World)を提案する。 シーン表現の時間的残差を計算することにより、動的対象の情報を検出・追跡に頼ることなく抽出することができる。 また,FGTR(Future-Guided Trajectory Refinement)モジュールも提案する。
  論文  参考訳（メタデータ） (2026-02-11T14:12:26Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Driv3R: Learning Dense 4D Reconstruction for Autonomous Driving [116.10577967146762]
  マルチビュー画像シーケンスからフレーム単位のポイントマップを直接回帰するフレームワークであるDriv3Rを提案する。 我々は4次元フロー予測器を用いてシーン内の移動物体を識別し、これらの動的領域の再構築をより重視する。 Driv3Rは4D動的シーン再構築において従来のフレームワークより優れており、推論速度は15倍高速である。
  論文  参考訳（メタデータ） (2024-12-09T18:58:03Z)
• DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
  本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。 その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。 動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T03:00:33Z)
• Driving in the Occupancy World: Vision-Centric 4D Occupancy Forecasting and Planning via World Models for Autonomous Driving [15.100104512786107]
  Drive-OccWorldは、自動運転のエンドツーエンド計画にビジョン中心の4D予測ワールドモデルを適用する。 制御可能な生成を可能にするために,速度,操舵角度,軌道,指令などの柔軟な動作条件を世界モデルに注入することを提案する。 本手法は,多目的かつ制御可能な4D占有率を創出し,次世代の運転とエンド・ツー・エンド・プランニングの進歩への道を開く。
  論文  参考訳（メタデータ） (2024-08-26T11:53:09Z)
• Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
  本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。 現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。 我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
  論文  参考訳（メタデータ） (2022-05-06T13:45:32Z)

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。