MomWorld: 長期自律走行のための運動量を考慮した潜在ワールドモデル

- 自動運転の長期的計画のための momentum-aware latent world model『MomWorld』を提案する研究。 - 観測履歴から scene motion trends を抽出し、latent momentum を将来へ伝播させる。 - 将来の configuration と momentum states を同時予測する。 - 学習可能な momentum persistence mechanism、scene-conditioned momentum updates、scene-adaptive reset gate を備える。 - momentum-conditioned flow-matching module『MoFlow』で base trajectory を数ステップで refine する。

- 既存手法は観測履歴の motion trends を将来へ伝播させることが難しい。 - 単一 latent state に基づく long rollouts は有用な dynamics を減衰させ、古い motion patterns を保持し、信頼できる near-term plans を乱す。 - MomWorld は momentum を明示的に伝播し、6秒の planning horizon で MomAD 比の平均 collision rate を 12.2% 削減する。

- 歴史から現在の観測までの scene motion trends を抽出し、latent momentum を将来 horizon へ伝播する。 - 将来の configuration と momentum states を joint に予測する。 - learnable momentum persistence mechanism で安定した trends を保持する。 - scene-conditioned momentum updates で将来 dynamics を適応させる。 - scene-adaptive reset gate で急変時に古い momentum を抑制する。 - MoFlow は momentum-conditioned flow-matching で base trajectory を数 integration steps で refine する。 - horizon-aware residual fusion で near-term planning stability を保ちつつ long-range corrections を可能にする。

- NAVSIM、nuScenes、Bench2Drive での extensive experiments を実施。 - 6秒の planning horizon で long-horizon planning consistency を改善。 - MomAD 比で平均 collision rate を 12.2% 削減。

- 要旨からは不明。

- MomAD（比較対象として言及） - NAVSIM、nuScenes、Bench2Drive に関連する long-horizon planning 研究 - flow-matching を用いた trajectory refinement 研究