点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

End-to-End Driving with Online Trajectory Evaluation via BEV World Model

• 论文标题：End-to-End Driving with Online Trajectory Evaluation via BEV World Model

• 项目主页：https://github.com/liyingyanUCAS/WoTE

• 星球链接：https://t.zsxq.com/hOT8Z

核心创新点：

1. BEV空间世界模型架构

• 提出首个基于鸟瞰图（BEV）特征的端到端轨迹评估框架（WoTE），通过单步前馈预测未来BEV状态，相比传统图像级世界模型（如扩散模型）显著降低延迟。利用BEV语义地图的紧凑性，实现高效动态场景建模。

2. 多模态轨迹联合优化机制

• 设计基于K-Means聚类的轨迹锚点生成策略，结合交叉注意力机制实现多模态轨迹联合优化。通过轨迹编码器与BEV特征图的交互，同步完成多轨迹候选生成与场景动态预测。

3. 双模态奖励评估体系

创新性融合模仿奖励（imitation reward）与仿真奖励（simulation reward）：

• 模仿奖励通过轨迹锚点与专家轨迹的L2距离计算

• 仿真奖励整合nuPlan模拟器的NC（无责碰撞）、DAC（可驾驶区域合规）、TTC（碰撞时间）、EP（自车进度）、Comfort五维度评估指标

采用加权策略实现安全与效率的动态平衡。

4. 闭环仿真监督范式

提出基于BEV语义地图的监督方案：

• 利用nuPlan等BEV空间交通模拟器生成未来状态真值

• 通过Focal Loss约束BEV语义地图预测

• 结合规则评估器实现奖励信号的端到端可微建模

有效解决多未来状态监督信号缺失的挑战。

本文均出出自『自动驾驶之心知识星球』硬核资料在星球置顶链接，加入即可获取：

• 行业招聘信息&独家内推；

• 自驾学习视频&资料；

• 前沿技术每日更新；