智能体与自主科学
突破级
暂无讲解视频
收录解读
端到端自动驾驶常默认认为，高性能规划必须建立在高保真世界重建之上。本文挑战的是这个前提：规划是否可以更多建立在“对行动相关世界的认知一致性”上，而不是像素级重建保真。
作者提出 Mental Bayesian Causal World Model，并将其实现为 Tokenized Intent World Model。方法把 belief、intent 与 causal dynamics 统一到闭环驾驶规划系统中，强调 belief-intent co-evolution，而不是只做被动环境重建。摘要里最关键的结果是：在 nuPlan 上，系统既提升了 open-loop 规划性能，也在 closed-loop 中表现出更接近人类的探索与 affordance 行为。
这篇论文适合仓库的 world model / autonomous driving / embodied planning 主线。它和 LaST-VLA、World-VLA-Loop、Drive-JEPA 是相邻路线，但更强调认知式内部世界与规划耦合，而不是单纯 latent prediction。
它归为突破性而不是更高一级，原因是当前主要证据仍集中在自动驾驶场景和特定 benchmark 上，概念野心很大，但还没有足够外部验证来证明其会重排更大范围的 world model 路线。