作为占用世界模型的 Delta-Triplane Transformer
机器人学
2025-12-02 v4 人工智能
摘要
占用世界模型（OWMs）旨在通过环境的 3D 体素化表示来预测未来场景，以支持智能运动规划。现有方法通常从 VAE 风格的潜在编码中生成完整的未来占用状态，这可能计算成本高昂且冗余。我们提出了 Delta-Triplane Transformers (DTT)，一种用于自动驾驶的新型 4D OWM，它引入了两项关键创新：（1）一种基于三平面的表示，比以往方法更紧凑地编码 3D 占用；（2）一种针对 OWM 的增量预测策略，对占用的变化进行建模，而非处理完整状态。其核心洞察是，紧凑 3D 潜在空间中的变化天然更稀疏且更易于建模，从而以更轻量的架构实现更高的精度。基于这种表示，DTT 从历史数据中提取多尺度运动特征，并迭代预测未来的三平面增量。这些增量与过去状态相结合，以解码未来的占用和自车运动轨迹。大量实验表明，DTT 比现有技术实现了 1.44 倍的加速（26 FPS），将平均 IoU 提升至 30.85，并将平均绝对规划误差降低至 1.0 米。补充材料中提供了演示视频。
引用
@article{arxiv.2503.07338,
title = {Delta-Triplane Transformers as Occupancy World Models},
author = {Haoran Xu and Peixi Peng and Guang Tan and Yiqian Chang and Yisen Zhao and Yonghong Tian},
journal= {arXiv preprint arXiv:2503.07338},
year = {2025}
}