稀疏世界模型：通过稀疏场景表示提升端到端自动驾驶
计算机视觉与模式识别
2026-05-26 v1
摘要
最近，世界模型在通过未来情景预测和改进场景理解方面取得了显著进展。然而，现有的驾驶世界模型通常基于稠密场景表示，导致高计算成本和冗余信息。本文提出了稀疏世界模型（SparseWorld），一种轻量级世界模型，专注于预测场景中关键布局，为端到端驾驶系统的高效未来预测提供支持。稀疏世界模型首先进行自回归展开，以预测未来地图元素和周围智能体，从而使模型学习驾驶情景随时间的演变。随后，它利用这些预测的未来情况来细化下游运动预测和轨迹规划。具体而言，我们提出了稀疏幻想者（Sparse Dreamer），通过联合时间和空间注意力在潜在空间中预测未来实例。通过与预测的未来实例交互，运动规划器捕获更准确的运动模式，生成更具信息性和安全性的轨迹。大量实验表明，稀疏世界模型显著降低了碰撞风险，在nuScenes数据集的开放式规划指标上实现了最佳性能，碰撞率为0.05%。此外，在Bench2Drive基准测试的闭合式规划指标上，它显著优于基线方法。补充材料可在项目页面获取：https://wryzju.github.io/SparseWorld/。
引用
@article{arxiv.2605.24354,
title = {SparseWorld: Enhancing End-to-End Autonomous Driving via World Models with Sparse Scene Representation},
author = {Ruoyu Wang and Jingke Wang and Yukai Ma and Yuehao Huang and Shuangming Lei and Guanglin Xu and Aixue Ye and Yong Liu},
journal= {arXiv preprint arXiv:2605.24354},
year = {2026}
}