論文の概要: X-World 1.6: Building Controllable Virtual Cities with World Models

• arxiv url: http://arxiv.org/abs/2611.00596v1
• Date: Sat, 31 Oct 2026 03:45:22 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:31:36.735918
• Title: X-World 1.6: Building Controllable Virtual Cities with World Models
• Title（参考訳）: X-World 1.6: 世界モデルで制御可能な仮想都市を構築する
• Abstract要約: 本報告では, より信頼性が高く, 汎用的な運転シミュレータに向けて, X-World1.0を推し進めるemphX-World1.6について述べる。 アップグレードされたベースモデルは、トラフィックセマンティクスのきめ細かい制御を提供する。 仮想都市機能は、多様な2Dおよび3D参照で条件付けられたモデルのファミリーを通じてシナリオ構築を広げる。
• 参考スコア（独自算出の注目度）: 74.02389018366651
• License:
• Abstract: Deploying generative world models for end-to-end closed-loop evaluation and policy learning requires precise scenario control, consistent observations, and sustained generation quality during extended interactions. This report presents \emph{X-World~1.6}, advancing X-World~1.0 toward a more reliable and versatile driving simulator. The upgraded base model offers finer-grained control over traffic semantics, including traffic lights and road markings, together with improved spatial consistency across cameras. Virtual City capabilities broaden scenario construction through a family of models conditioned on diverse 2D and 3D references, including support for generating multi-camera future videos from a single image. An enhanced post-training framework enables efficient causal, few-step generation with stronger temporal coherence, better quality retention over longer rollouts, and improved alignment with human preferences. We also introduce a dedicated evaluation suite to support systematic assessment and guide model iteration. Together, these upgrades expand the scenarios X-World can simulate and improve the efficiency and reliability of its generated observations, supporting broader use in autonomous-driving development.
• Abstract（参考訳）: エンドツーエンドのクローズドループ評価とポリシー学習のための生成的世界モデルをデプロイするには、正確なシナリオ制御、一貫した観察、拡張された相互作用の間の持続的な生成品質が必要である。 本報告では, より信頼性が高く, 汎用的な運転シミュレータに向けて, X-World~1.0を推し進める「emph{X-World~1.6}」について述べる。 アップグレードされたベースモデルは、交通信号や道路マーキングなどの交通セマンティクスのきめ細かい制御と、カメラ間の空間一貫性の向上を提供する。 仮想シティ機能は、さまざまな2Dおよび3D参照に条件付けされたモデルのファミリーを通じてシナリオ構築を広げる。 強化された後トレーニングフレームワークは、効率的な因果関係、時間的コヒーレンスを強くした数ステップの生成、長期のロールアウトよりも品質維持性の向上、人間の好みとの整合性の向上を可能にする。 また、システマティックアセスメントとガイドモデルイテレーションをサポートする専用アセスメントスイートも導入します。 これらのアップグレードにより、X-Worldは、生成された観測の効率性と信頼性をシミュレートし、改善し、自動運転開発における幅広い使用をサポートするシナリオが拡張される。

関連論文リスト

• HelloWorld: Towards Practical Applications of Generative Driving World Models [51.60209642972941]
  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。
  論文  参考訳（メタデータ） (2026-09-24T02:28:50Z)
• Long-Horizon Consistent and Interaction-Aware World Models for Multi-Style End-to-End Driving [10.506773245217945]
  StyleDriveは、長期の一貫性を共同で強化し、対話的なトラフィック状態を明示的に切り離し、マルチスタイルのポリシー最適化をサポートする、ワールドモデルベースの学習フレームワークである。 我々は,Bench2Driveクローズドループ駆動ベンチマーク上でStyleDriveを評価し,前回のベストワールドモデルベース手法よりも88.44(+17.08)の駆動スコアを達成した。
  論文  参考訳（メタデータ） (2026-09-03T00:00:39Z)
• X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving [45.260296714057766]
  我々は,アクション条件付きマルチカメラ生成世界モデルであるX-Worldを紹介し,ビデオ空間における将来の観測を直接シミュレートする。 X-Worldは動的トラフィックエージェントと静的道路要素のオプションコントロールをサポートし、外観レベルの制御のためのテキストプロンプトインターフェイスを保持する。 実験により,X-Worldは高画質のマルチビュービデオ生成を実現し,カメラ間の高精細性を実現した。
  論文  参考訳（メタデータ） (2026-03-20T14:23:32Z)
• InstaDrive: Instance-Aware Driving World Models for Realistic and Consistent Video Generation [53.47253633654885]
  InstaDriveは、2つの重要な進歩を通じてビデオリアリズムを促進する新しいフレームワークである。 これらのインスタンス認識機構を組み込むことで、InstaDriveは最先端のビデオ生成品質を実現する。 私たちのプロジェクトページはhttps://shanpoyang654.io/InstaDrive/page.htmlです。
  論文  参考訳（メタデータ） (2026-02-03T08:22:13Z)
• 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)
• HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
  HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。 我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
  論文  参考訳（メタデータ） (2025-11-27T07:53:16Z)
• GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
  実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。 車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。 動作精度と空間認識の両面で既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T14:46:51Z)
• CoGen: 3D Consistent Video Generation via Adaptive Conditioning for Autonomous Driving [25.156989992025625]
  本研究では,空間適応型生成フレームワークCoGenを導入し,高3次元一貫性で制御可能なマルチビュービデオを実現する。 粗い2次元条件を微細な3次元表現に置き換えることで,生成した映像の空間的整合性を大幅に向上させる。 以上の結果から, この手法は, 自律運転のための信頼性の高い映像生成ソリューションとして, 幾何学的忠実度と視覚的リアリズムの保存に優れることが示された。
  論文  参考訳（メタデータ） (2025-03-28T08:27:05Z)

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。