DynFlowDrive: 自動運転のためのフローに基づく動的ワールドモデリング

要約: 最近、世界モデルは自律走行システムに組み込まれ、計画の信頼性を向上させるために利用されています。既存のアプローチは通常、外観生成や決定論的回帰を通じて未来の状態を予測しますが、これにより軌道条件付きのシーン進化を捉える能力が制限され、信頼性の低い行動計画につながります。この問題に対処するため、我々はDynFlowDriveを提案します。これは、流れベースのダイナミクスを活用して、異なる運転操作の下での世界状態の遷移をモデル化する潜在世界モデルです。rectifiedflowの定式化を採用することにより、モデルは異なる運転操作の下でシーン状態がどのように変化するかを表す速度場を学習し、将来の潜在状態の段階的予測を可能にします。これを土台として、誘発されたシーン遷移の安定性に基づいて候補軌道を評価する、安定性を考慮したマルチモード軌道選択戦略をさらに導入します。nuScenesおよびNavSimのベンチマークで行われた広範な実験は、追加の推論オーバーヘッドを導入することなく、多様な走行フレームワーク全体で一貫した改善を示しています。ソースコードはhttps://github.com/xiaolul2/DynFlowDriveで入手可能です。