GeoWorldAD：用于自动驾驶的几何世界动作模型

基于摘要分析。本文研究自动驾驶中如何将当前场景几何与未来几何演化显式引入轨迹规划，提出统一的视频几何世界动作模型 GeoWorldAD。其核心贡献是将几何表示、短时未来预测与轨迹提案细化相连接，而非仅从视觉观测学习动作相关表示。 模型以流式视频几何基础模型为底座，从当前观测提取与自车对齐的多尺度几何 tokens，为规划提供细粒度空间约束；随后采用 Q-Former 风格的几何世界模型，在自车状态条件下学习未来潜在 tokens，并以未来深度预测提供监督。动作模型迭代聚合当前与未来几何 tokens，以细化轨迹提案。作者认为，相比像素级未来预测，几何预测能形成更紧凑、且与可行驶空间、障碍物及动态参与者等规划约束更直接对应的抽象；这一比较的具体证据尚待全文核对。 作者报告，在 NavSim v1 和 v2 的闭环评估中，GeoWorldAD 达到最先进性能并改善驾驶安全性。摘要未给出具体指标、数值、数据划分和对照配置，实验协议、消融及统计信息尚未验证；几何底座的训练与适配方式、深度监督来源、推理成本及复现条件也尚未验证。 该工作的主要研究对象是自动驾驶，机制依赖视频场景的空间结构、自车状态与未来深度监督。材料未提供这些条件与 EEG/BCI 任务之间的具体对应关系，因此不将其改写为 BCI 方法，也不据此提出迁移实验方案；已有 EEG 相关工作尚未检索确认。