本文經(jīng)自動駕駛之心公眾號授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

閉環(huán)仿真技術(shù)是推動端到端自動駕駛系統(tǒng)發(fā)展的關(guān)鍵。目前的傳感器仿真方法，如NeRF與3DGS，主要依賴于訓(xùn)練數(shù)據(jù)分布，若訓(xùn)練數(shù)據(jù)不足，則這些方法在復(fù)雜駕駛操作（例如變道、加速或減速）的重建效果不佳。近來，自動駕駛世界模型（World Model）證明其可以生成豐富駕駛數(shù)據(jù)。

近日，極佳科技聯(lián)合中國科學(xué)院自動化研究所、理想汽車、北京大學(xué)、慕尼黑工業(yè)大學(xué)等單位提出DriveDreamer4D，是首個利用世界模型增強(qiáng)4D駕駛場景重建效果的工作。DriveDreamer4D可以為駕駛場景提供豐富多樣的視角（包括變道、加速和減速等）數(shù)據(jù)，以增加動態(tài)駕駛場景下的閉環(huán)仿真能力。在user study實(shí)驗(yàn)中獲得了超過80%的偏好投票，為走向空間智能和4D世界模型邁出了堅實(shí)的一步。

DriveDreamer4D利用世界模型作為數(shù)據(jù)引擎，基于真實(shí)世界的駕駛數(shù)據(jù)合成新軌跡視頻（例如變道場景）。如下圖所示，DriveDreamer4D不僅可以提升多種重建算法（PVG,Gaussian,Deformable-GS）的圖像渲染質(zhì)量，還可以提升駕駛前景（車輛）和背景（車道線）的時空一致性。

DriveDreamer4D 的總體結(jié)構(gòu)框圖如下所示，軌跡生成模塊（NTGM）用于調(diào)整原始軌跡動作，如轉(zhuǎn)向角度和速度，以生成新的軌跡。這些新軌跡為提取結(jié)構(gòu)化信息（如車輛3D框和背景車道線細(xì)節(jié)）提供了全新的視角。隨后，基于世界模型的視頻生成能力，并利用更新軌跡后得到的結(jié)構(gòu)化信息作為控制條件，可以合成新軌跡的視頻。最后，原始軌跡視頻與新軌跡視頻相結(jié)合，進(jìn)行4DGS模型的優(yōu)化。

在實(shí)驗(yàn)中，如下第一列視頻所示，可以看出多種傳統(tǒng)算法（PVG,Gaussian,Deformable-GS）在變道場景下的車道線、天空、車輛都會模糊，甚至出現(xiàn)“鬼影”現(xiàn)象。而DriveDreamer4D可以提升多種重建算法在復(fù)雜變道場景下的視頻渲染效果，不僅消除了“鬼影”，而且提升了交通元素的渲染質(zhì)量，車輛和車道線都更加清晰。 

除了變道，在車輛變速場景下，傳統(tǒng)算法（PVG,Gaussian,Deformable-GS）的表現(xiàn)能力也受到限制，如下第一列視頻所示，這些算法在自車加速時，前方的車輛都出現(xiàn)了“拖影”現(xiàn)象。而經(jīng)過DriveDreamer4D提升后，渲染的車輛的時空一致性更高。

在定量實(shí)驗(yàn)中，本文證明了DriveDreamer4D不僅可以提升多種重建算法(PVG,Gaussian,Deformable-GS)的圖像渲染質(zhì)量(如表2)，還可以提升車輛和車道線渲染的時空一致性（如表1）。此外，本文還通過user study（表3）證明用戶更加偏好DriveDreamer4D的渲染效果，獲得了超過80%的投票率。

表1 DriveDreamer4D提升了車輛和車道線重建渲染的時空一致性

表2 DriveDreamer4D提升了圖像重建渲染質(zhì)量

表3 User study證明用戶更加偏好DriveDreamer4D的渲染效果

本項DriveDreamer4D工作是極佳科技研究團(tuán)隊之前DriveDreamer和DriveDreamer-2工作的延續(xù)。DriveDreamer是首個面向真實(shí)駕駛場景的世界模型，可以根據(jù)不同的控制條件生成自動駕駛周視視頻，有效提升了BEV感知的性能；DriveDreamer-2在此基礎(chǔ)上，引入大語言模型，可以生成用戶自定義的駕駛數(shù)據(jù)，進(jìn)一步提升了長尾和corner case場景下的數(shù)據(jù)生成能力。針對端到端自動駕駛和閉環(huán)仿真對于場景重建的迫切需求，DriveDreamer4D利用DriveDreamer系列工作的能力，用以生成新軌跡視頻（例如變道、加減速），從而大幅提升了多種4DGS算法的重建效果。

本篇成果的牽頭單位為極佳科技，致力于將視頻生成提升到4D世界模型，賦予AI大模型對于4D空間的理解、生成、常識和推理的能力，實(shí)現(xiàn)4D空間中的交互和行動，走向通用空間智能，是一家成長迅猛的空間智能公司。通用空間智能對于影視游戲、元宇宙等虛擬空間的內(nèi)容創(chuàng)作，以及自動駕駛、具身智能等物理空間的數(shù)據(jù)生成和認(rèn)知推理能力，都有巨大的價值和作用。極佳科技是國內(nèi)最早開始探索和布局世界模型和空間智能方向的公司，在物理空間和虛擬空間兩方面都已取得顯著的技術(shù)和商業(yè)進(jìn)展，獲得了行業(yè)廣泛的認(rèn)可。

論文鏈接：https://arxiv.org/abs/2410.13571
項目主頁：https://drivedreamer4d.github.io/
代碼地址：https://github.com/GigaAI-research/DriveDreamer4D