GEM：用于占据预测和运动规划的高斯演化模型
计算机视觉与模式识别
2026-05-19 v1
摘要
未来的 3D 语义占据预测和运动规划是自动驾驶的核心任务，因为它们需要模型推理周围场景的演化方式以及 ego vehicle 应该如何行动。现有的占据世界模型通常将场景离散化为 latent embeddings、体积特征或量化 token，通过固定步长的自回归生成来预测未来状态。这限制了时间灵活性，遮蔽了场景演化，随着时间跨度增加积累误差，且不良好地匹配真实驾驶场景的连续时间动力学。我们提出了 GEM，一种用于非自回归占据世界建模的高斯演化模型，其中将驾驶场景表示为显式的连续 4D 高斯原始，搭配学习到的动力学。不通过逐步滚动预测占据状态，而是直接在高斯世界表示中查询任意时间戳并将相应的条件 3D 高斯 抛到语义占据体积中。这使得能够在完整时段内进行高效预测，同时保持紧凑且可解释的场景表示。通过将空间几何、时间支持和原始运动解耦，GEM 使得预测世界更容易检查，因为每个原始的演化可以连续随时间跟踪。相同的表示也支持运动规划，通过从学习到的高斯世界预测 ego 轨迹。广泛的实验表明，GEM 实现了最先进的未来语义占据预测和强大的运动规划性能，同时提供了灵活的时间查询。
引用
@article{arxiv.2605.17682,
title = {GEM: Gaussian Evolution Model for Occupancy Forecasting and Motion Planning},
author = {Cheng Chen and Hao Huang and Saurabh Bagchi},
journal= {arXiv preprint arXiv:2605.17682},
year = {2026}
}