VectorWorld: ベクトルグラフ上の拡散フローによる効率的なストリーミング世界モデル
VectorWorld: Efficient Streaming World Model via Diffusion Flow on Vector Graphs
自動運転の閉ループ評価のための、履歴条件付きポリシーと整合し、リアルタイムで長距離ロールアウト可能なストリーミング世界モデルを提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Chaokang Jiang, Desen Zhou, Jiuming Liu, Kevin Li Sun
分類: cs.RO, cs.CV
原文アブストラクト
Closed-loop evaluation of autonomous-driving policies requires interactive simulation beyond log replay. However, existing generative world models often degrade in closed loop due to (i) history-free initialization that mismatches policy inputs, (ii) multi-step sampling latency that violates real-time budgets, and (iii) compounding kinematic infeasibility over long horizons. We propose VectorWorld, a streaming world model that incrementally generates ego-centric $64 \mathrm{m}\times 64\mathrm{m}$ lane--agent vector-graph tiles during rollout. VectorWorld aligns initialization with history-conditioned policies by producing a policy-compatible interaction state via a motion-aware gated VAE. It enables real-time outpainting via solver-free one-step masked completion with an edge-gated relational DiT trained with interval-conditioned MeanFlow and JVP-based large-step supervision. To stabilize long-horizon rollouts, we introduce $\Delta$Sim, a physics-aligned non-ego (NPC) policy with hybrid discrete--continuous actions and differentiable kinematic logit shaping. On Waymo open motion and nuPlan, VectorWorld improves map-structure fidelity and initialization validity, and supports stable, real-time $1\mathrm{km}+$ closed-loop rollouts (\href{https://github.com/jiangchaokang/VectorWorld}{code}).
関連論文
- OccWAM: シーンから自己へのフローマッチングを統合した占有ワールドアクションモデル自動運転/世界モデル
- DriveWLA：自動運転のための世界・言語・行動モデリングによる未来動態とシーン意味論の統合自動運転/世界モデル
- PhysWAM: 自動運転のための物理的に整合した世界行動モデル自動運転/世界モデル
- 自動運転のシーン予測のための拡散トランスフォーマーワールドアクションモデル自動運転/世界モデル
- Discrete-WAM: 世界モデルとポリシー学習のための統一離散ビジョン・アクショントークン編集自動運転/世界モデル
- DreamerAD: 潜在世界モデルによる自動運転のための効率的な強化学習自動運転/世界モデル
