World Engine
PulseAugur coverage of World Engine — every cluster mentioning World Engine across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的SimVTA框架通过模拟视频监督增强驾驶模型
研究人员开发了SimVTA，一个旨在通过模拟视觉数据来改进驾驶世界动作模型（WAMs）的新框架。该方法使用真实世界的模拟器为优化轨迹渲染未来的视频帧，提供独立于模型自身预测的视觉监督。通过在有限的渲染预算内优先监督高误差的未来，并采用组相对策略优化，SimVTA增强了轨迹规划和表示学习。该框架在NAVSIM v1和v2等基准测试以及HUGSIM的闭环评估中都显示出显著的改进。
-
新的SimVTA框架通过基于仿真的监督增强驾驶世界动作模型
研究人员开发了SimVTA，一个新颖的框架，旨在通过整合模拟器渲染的视频监督与强化学习进行轨迹优化来增强驾驶世界动作模型。该方法解决了现有驾驶日志的局限性，这些日志缺乏对训练后探索的替代轨迹的视觉监督。SimVTA使用真实世界模拟器为高回报轨迹生成视觉数据，从而提高模型的规划能力。该框架在NAVSIM v1和NAVSIM v2等基准测试以及HUGSIM的闭环评估中都显示出显著的性能提升。
-
OpenDriveLab的陈立提出可组合世界模型以实现更安全的AI策略
在RSS 2026上，OpenDriveLab的陈立提出了一种可组合世界模型方法，将具身AI策略的预测和评估组件分开。这种解耦旨在通过允许AI在真实世界执行前，在受控环境中“想象犯错”来提高安全性和可检查性。该工作涵盖了四个渐进式系统：用于可靠仿真的ReSim，用于操作任务的Generation-then-Revise，用于自动驾驶训练后部署的World Engine，以及通过想象进行机器人强化学习的RISE。