简介:世界模型是对智驾场景进行符合物理规律的生成。在端到端算法中,可以用于评估算法。
主流方案
| 演进思路 | 核心思想 | 代表方案 | 详细 |
| 轨迹打分 | 给定候选轨迹,预测其未来对应的BEV场景演化,选出最优轨迹。 输入:Bev特征和N条轨迹。 输出:N组未来的Bev状态序列和轨迹分数。 | WoTE | 网络结构 优化策略 1 参数冻结 2 损失设计 训练策略:? 1. WM监督训练,主干网络冻结; 2. WM和主干网络联合训练。 推理过程 |
| World4Drive | |||
| 策略训练 | DreamerV3, R-UniAD, Raw2Drive |