WorldRFT：面向自动驾驶的基于强化学习微调的潜在世界模型规划
机器人学
2025-12-23 v1 计算机视觉与模式识别
摘要
潜在世界模型通过时序自监督学习增强场景表示，为端到端自动驾驶提供了无需感知标注的范式。然而，重构导向的表示学习将感知与规划任务交织在一起，导致规划优化次优。为解决这一挑战，我们提出了 WorldRFT，一种通过层次规划分解和局部感知交互细化机制，辅以强化学习微调（RFT）来增强安全关键策略性能的规划导向潜在世界模型框架。具体而言，WorldRFT 集成了视觉-几何基础模型以提高 3D 空间感知能力，采用层次规划任务分解引导表示优化，并利用局部感知迭代细化推导出规划导向的驾驶策略。此外，我们引入了群相对策略优化（GRPO），其应用轨迹高斯化和碰撞感知奖励来微调驾驶策略，显著提升了安全性。WorldRFT 在 nuScenes 和 NavSim 两个开放式基准测试上实现了最新（SOTA）性能。nuScenes 上将碰撞率降低 83%（0.30% -> 0.05%）。NavSim 上使用仅摄像头传感器输入，达到了与基于激光雷达的 SOTA 方法 DiffusionDrive（87.8 vs. 88.1 PDMS）相当的性能。
引用
@article{arxiv.2512.19133,
title = {WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving},
author = {Pengxuan Yang and Ben Lu and Zhongpu Xia and Chao Han and Yinfeng Gao and Teng Zhang and Kun Zhan and XianPeng Lang and Yupeng Zheng and Qichao Zhang},
journal= {arXiv preprint arXiv:2512.19133},
year = {2025}
}
备注
AAAI 2026, first version