DreamerAD：通过潜在世界模型实现自动驾驶高效强化学习

基于摘要分析。DreamerAD 面向自动驾驶强化学习，针对真实交互成本高、风险大，以及视频世界模型多步去噪和 RGB 解码开销大的问题，利用视频生成模型的去噪潜在特征进行想象推演，在潜在空间中为策略优化提供轨迹与奖励。 方法包含三个机制：shortcut forcing 将多步 flow 更新蒸馏为低步数潜在轨迹推演；自回归稠密奖励模型直接从潜在表示预测逐步奖励，为策略优化提供时间上稠密的反馈；用于 GRPO 的 Gaussian vocabulary sampling 将探索约束在物理上合理的轨迹范围。摘要未给出具体损失形式、奖励监督来源或采样约束的实现细节。 作者报告，世界模型推理最高加速 80 倍，但该加速对应的硬件、推演长度、步数及对照配置尚未验证。作者报告在 NAVSIM v2 上获得 91.4 EPDMS，在零样本 HUGSIM 评估中获得 55.0 HD-Score，并声称在两个基准上达到 SOTA；具体数据划分、比较方法和评估协议尚未验证，两个指标不能直接比较。作者还报告，在驾驶专用 Epona 世界模型与通用 Wan2.2 视频生成骨干上，潜在空间想象强化学习均改善了 HUGSIM 的零样本闭环驾驶表现，但摘要未提供相应提升幅度。 复现需核对世界模型与策略训练流程、蒸馏设置、奖励模型监督、GRPO 采样规则及计算成本统计。实验协议、消融及统计信息尚未验证，代码与权重可用性也尚未验证。本研究的主要对象是自动驾驶，而非神经信号解码；材料未建立潜在驾驶轨迹与 EEG/BCI 任务之间的具体机制对应，不能据此推断其跨领域效果。已有 EEG 相关工作尚未检索确认。