論文の概要: OccWAM: Occupancy World-Action Models with Joint Scene-to-Ego Flow Matching

• arxiv url: http://arxiv.org/abs/2610.17688v1
• Date: Tue, 13 Oct 2026 04:10:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:39:51.35447
• Title: OccWAM: Occupancy World-Action Models with Joint Scene-to-Ego Flow Matching
• Title（参考訳）: OccWAM: 共同シーン対エゴフローマッチングを用いた世界行動モデル
• Abstract要約: 占領の世界モデルは、将来の運転シーンの構造化されたメートル法表現を提供する。 OccWAMは,密集した将来の占領と連続的なエゴ軌道を共同で生成する,占領的世界行動モデルである。 Bench2DriveとnuScenesの実験は、クローズドループ運転、オープンループ計画、将来の占有予測における最先端のパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 33.286837898355735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Occupancy world models provide a structured, metric representation of future driving scenes, making them a promising basis for end-to-end autonomous driving. However, existing occupancy-aware planners typically couple occupancy prediction and action generation through either hierarchical coupling or parallel multi-task learning. Hierarchical methods use occupancy either as a fully predicted future preceding action generation or as an action-conditioned rollout for trajectory evaluation, whereas parallel multi-task methods predict occupancy alongside planning through a separate branch or auxiliary objective. These interfaces retain either an explicit generation order or a role asymmetry, limiting reciprocal interaction between world prediction and action generation during trajectory formation. We propose OccWAM, an occupancy-native world-action model that jointly generates dense future occupancy and continuous ego trajectories via flow matching conditioned on scene representations. Building on this joint formulation, we introduce scene-to-ego world-action flow matching, a two-stage formulation. The first stage predicts scene-centric occupancy together with an absolute ego trajectory, providing a stable representation of future scene evolution. The same predicted world is then re-indexed into the future ego frames induced by the initial trajectory, where ego motion is represented through adjacent pose increments and a second joint flow refines ego-centric occupancy and motion for action-aligned planning. Unlike video-based world-action models, OccWAM preserves explicit semantic geometry for direct planning reasoning without pixel synthesis. Extensive experiments on Bench2Drive and nuScenes demonstrate state-of-the-art performance in closed-loop driving, open-loop planning, and future occupancy prediction.
• Abstract（参考訳）: 業務の世界モデルは、将来の運転シーンの構造化されたメートル法表現を提供し、エンドツーエンドの自動運転の有望な基盤となる。 しかし、既存の占有型プランナーは一般的に、階層的結合または並列マルチタスク学習を通じて、占有率予測と行動生成を兼ね備えている。 階層的手法は、完全に予測された将来の行動生成または軌道評価のための行動条件付きロールアウトとして、一方、並列マルチタスク手法は、別々の分岐や補助的な目的を通じて計画と並行して占有を予測する。 これらのインターフェースは明示的な生成順序または役割非対称性を保持し、軌道形成時の世界予測と行動生成の間の相互相互作用を制限する。 OccWAMは、シーン表現に条件付きフローマッチングにより、密集した未来の占領と連続的なエゴ軌道を共同で生成する、占領的世界行動モデルである。 この共同定式化に基づいて、2段階の定式化であるシーン・ツー・エゴ・ワールド・アクション・フローマッチングを導入する。 第1段階は、絶対エゴ軌道と共にシーン中心の占有を予測し、将来のシーン進化の安定した表現を提供する。 同じ予測された世界は、最初の軌道によって誘導される将来のエゴフレームに再インデックスされ、そこでは、エゴの動きが隣接するポーズインクリメントを通して表現され、第2の関節フローは、エゴ中心の占有と行動整列計画のための動きを洗練する。 ビデオベースのワールドアクションモデルとは異なり、OccWAMは画素合成なしで直接計画推論を行うための明示的な意味的幾何学を保っている。 Bench2DriveとnuScenesの大規模な実験は、クローズドループ運転、オープンループ計画、将来の占有予測における最先端のパフォーマンスを示している。

関連論文リスト

• The DAWN of World-Action Interactive Models [30.798493550954703]
  世界予測と行動生成は、孤立した並列分岐または厳格な予測理論計画パイプラインとして扱われる。 textbfDAWN (textbfDenoising textbfActions and textbfWorld itextbfNteractive model) は単純だが強力な遅延生成ベースラインである。 DAWNは、複数の自律運転ベンチマークで強い計画性能と良好な安全関連結果を達成する。
  論文  参考訳（メタデータ） (2026-05-12T05:30:00Z)
• Uni-World VLA: Interleaved World Modeling and Planning for Autonomous Driving [52.04950569530877]
  我々は、将来のフレーム予測と軌道計画の密接なインターリーブを行う統合視覚言語行動モデルUni-World VLAを提案する。 提案手法は,高忠実度将来のフレーム予測を行いながら,競合する閉ループ計画性能を実現する。
  論文  参考訳（メタデータ） (2026-03-28T14:39:51Z)
• Future-Aware End-to-End Driving: Bidirectional Modeling of Trajectory Planning and Scene Evolution [96.25314747309811]
  将来的なシーンの進化と軌道計画を共同でモデル化する,新たなエンドツーエンドフレームワークであるSeerDriveを紹介する。 本手法はまず,周辺環境の動態を予測するために,将来の鳥眼ビュー(BEV)の表現を予測する。 2つの重要な要素がこれを可能にする:(1)予測されたBEV機能を軌道プランナーに注入する将来対応計画、(2)反復的なシーンモデリングと車両計画。
  論文  参考訳（メタデータ） (2025-10-13T07:41:47Z)
• Ego-centric Predictive Model Conditioned on Hand Trajectories [52.531681772560724]
  自我中心のシナリオでは、次の行動とその視覚的結果の両方を予測することは、人間と物体の相互作用を理解するために不可欠である。 我々は,エゴセントリックなシナリオにおける行動と視覚的未来を共同でモデル化する,統合された2段階予測フレームワークを提案する。 我々のアプローチは、エゴセントリックな人間の活動理解とロボット操作の両方を扱うために設計された最初の統一モデルである。
  論文  参考訳（メタデータ） (2025-08-27T13:09:55Z)
• PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
  PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。 我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
  論文  参考訳（メタデータ） (2023-11-14T11:53:24Z)

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。