機器之心專欄
機器之心編輯部
Drive-WM 模型通過多視圖世界模型，能夠想象不同規(guī)劃路線的未來情景，并根據(jù)視覺預測獲取相應的獎懲反饋，從而優(yōu)化當前的路線選擇，為自動駕駛系統(tǒng)的安全提供了保障。
近期，世界模型的概念引發(fā)了火熱浪潮，而自動駕駛領域豈能隔岸觀「火」。來自中科院自動化所的團隊，首次提出了一種名為 Drive-WM 的全新多視圖世界模型，旨在增強端到端自動駕駛規(guī)劃的安全性。
網站：https://drive-wm.github.io
論文鏈接：https://arxiv.org/abs/2311.17918
首個多視圖預測和規(guī)劃的自動駕駛世界模型
在 CVPR2023 自動駕駛的研討會上，特斯拉和 Wayve 兩大科技巨頭狂秀黑科技，一種名為「生成式世界模型」的全新概念隨之火爆自動駕駛領域。Wayve 更是發(fā)布了 GAIA-1 的生成式 AI 模型，展示了令人震撼的視頻場景生成能力。而最近，中科院自動化所的研究者們也提出了一個新的自動駕駛世界模型 Drive-WM，首次實現(xiàn)了多視圖預測的世界模型，與當下主流的端到端自動駕駛規(guī)劃器無縫結合。
Drive-WM 利用了 Diffusion 模型的強大生成能力，能夠生成逼真的視頻場景。
想象一下，你正在開車，而你的車載系統(tǒng)正在根據(jù)你的駕駛習慣和路況預測未來的發(fā)展，并生成相應的視覺反饋來指導軌跡路線的選擇。這種預見未來的能力和規(guī)劃器相結合，將極大地提高自動駕駛的安全性！
基于多視圖世界模型的預測和規(guī)劃。
世界模型與端到端自動駕駛的結合提升駕駛安全性
Drive-WM 模型首次將世界模型與端到端規(guī)劃相結合，為端到端自動駕駛的發(fā)展打開了新的篇章。在每個時間步上，規(guī)劃器可以借助世界模型預測未來可能發(fā)生的情景，再利用圖像獎勵函數(shù)全面評估。
基于世界模型的端到端軌跡規(guī)劃樹
選擇最優(yōu)估計，擴展規(guī)劃樹，實現(xiàn)更安全、有效的規(guī)劃。
Drive-WM 開創(chuàng)性地探索了世界模型在端到端規(guī)劃中的兩種應用：
1. 展示了世界模型在面對 OOD 場景時的魯棒性。作者通過對比實驗發(fā)現(xiàn)了目前的端到端規(guī)劃器在面對 OOD 情況時的表現(xiàn)并不理想。
作者給出了以下圖片，當對初始位置進行輕微的橫向偏移擾動后，目前的端到端規(guī)劃器就難以輸出合理的規(guī)劃路線。
端到端規(guī)劃器在面對 OOD 情況時難以輸出合理的規(guī)劃路線。
Drive-WM 的強大生成能力為解決 OOD 問題提供了新的思路。作者利用生成的視頻來微調規(guī)劃器，從 OOD 數(shù)據(jù)中進行學習，使得規(guī)劃器在面對這樣的場景時可以擁有更好的性能。
2. 揭示了引入未來場景評估對于端到端規(guī)劃的提升作用
如何構建多視圖的視頻生成模型
多視圖視頻生成的時空一致性一直以來都是一個具有挑戰(zhàn)性的問題。Drive-WM 通過引入時序層的編碼來擴展視頻生成的能力，并通過視圖分解建模的方式實現(xiàn)多視圖的視頻生成。這種視圖分解的生成方式可以極大地提升視圖之間的一致性。
Drive-WM 整體模型設計
高質量的視頻生成與可控性
Drive-WM 不僅實現(xiàn)了高質量的多視圖視頻生成，而且具有出色的可控性。Drive-WM 還提供了多種控制選項，可以通過文本、場景布局、運動信息來控制多視圖視頻的生成，也為將來的神經仿真器提供了新的可能性。
比如使用文本來改變天氣和光照：
比如行人的生成和前景的編輯：
利用速度和方向的控制：
稀有事件的生成，例如路口掉頭和開進側方草叢：
結語
Drive-WM 不僅展示了其強大的多視圖視頻生成能力，也揭示了世界模型與端到端駕駛模型相結合的巨大潛力。相信在未來，世界模型可以幫助實現(xiàn)更安全、穩(wěn)定、可靠的端到端自動駕駛系統(tǒng)。
