未来への移動：自律運転のためのワールドモデルを用いたマルチビュー視覚予測と計画

自律運転において、将来の出来事を事前に予測し、予見可能なリスクを評価することは、自律車両が行動をより良く計画するための力を与え、安全性と効率を向上させます。この目的のために、既存のエンドツーエンド計画モデルと互換性のある初の運転ワールドモデル「Drive-Wm」を提案します。ビュー因子分解によって促進された共同空間時間モデリングを通じて、私たちのモデルは運転シーンにおいて高忠実度のマルチビュー動画を生成します。その強力な生成能力に基づき、私たちは初めて安全な運転計画のためにワールドモデルを適用する可能性を示します。特に、私たちの「Drive-Wm」は異なる運転操作に基づいて複数の未来に運転することを可能にし、画像ベースの報酬に応じて最適な軌道を決定します。実世界の運転データセットに対する評価は、私たちの方法が高品質で一貫性があり制御可能なマルチビュー動画を生成できることを検証し、実世界のシミュレーションと安全な計画の可能性を開きます。