LidarVerse：タスクとセンサを横断するリアルタイム統合LiDARワールドモデル

- LiDAR の sensor simulation を対象にした real-time unified LiDAR world model『LidarVerse』の提案。 - 単一の conditional generative framework で、新規 world 生成、point-cloud forecasting、観測 scene の resimulation を横断的に扱う。 - 32/64/128-beam LiDAR をサポートし、未見の scanning pattern にも汎化。 - 単一 H100 GPU 上で 11 FPS の real-time 推論を実現。

- 既存の LiDAR simulator は reconstruction-based と generative の二極に分かれていた。 - reconstruction-based は scene の geometry を保つが per-scene optimization が長い。 - generative は data 全体で学習を amortize するが long-horizon rollout の consistency に欠ける。 - LidarVerse は両者を単一の unified conditional generative framework に統合し、per-scene optimization なしで observed scene を resimulate 可能。 - 3 つの evaluation protocol のほとんどの指標で state-of-the-art を達成。

- universal tokenizer が LiDAR range sequences を shared latent space に写像。 - bidirectional teacher が LiDAR prefix、HD-Map、persistent spatial cache、任意で text を条件とする共通 interface を学習。 - 利用可能な scene evidence を変えることで、同一モデルが world generator、point-cloud forecaster、resimulator として機能。 - teacher を four-step autoregressive causal student に distill。 - rolling temporal K/V cache と world-aligned spatial cache を維持し、persistent long-horizon rollout と real-time 推論を両立。

- 3 つの evaluation protocol で評価し、報告されたほとんどの metrics で state-of-the-art を達成。 - tokenizer が 32-, 64-, 128-beam LiDAR をサポートし、unseen scanning pattern に汎化することを確認。 - 単一 H100 GPU 上で 11 FPS の real-time 推論を実証。 - 具体的な dataset 名や baseline 名は要旨からは不明。

- generative と reconstruction-grounded な LiDAR simulation が単一モデルで実現可能であることを示す。 - 将来の closed-loop sensor simulation の core capabilities を提供すると主張。 - 限界や failure case、計算コストの詳細な議論は要旨からは不明。

- 要旨で参照/比較されているのは reconstruction-based LiDAR simulators と generative LiDAR simulators の二系統。 - 具体的な論文名は要旨からは不明。 - 関連手法として LiDAR point cloud forecasting、autoregressive video/world model、tokenizer ベースの generative model が挙げられる。