ICCV 2025 | HERMES：首个统一3D场景理解与生成的世界模型

编辑丨 机器之心 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 本文第一作者周鑫、共同第一作者梁定康，均为华中科技大学博士生，导师为白翔教授。合作者包括华中科技大学涂思凡，旷视科技丁宜康，迈驰智行陈习武、 谭飞杨，香港大学赵恒爽助理教授。 在复杂的城市场景中，HERMES 不仅能准确预测未来三秒的车辆与环境动态（如红圈中标注的货车），还能对当前场景进行深度理解和问答（如准确识别出 "星 巴克" 并描述路况）。 论文标题：HERMES: A Unified Self-Driving World Model for Simultaneous 3D Scene Understanding and Generation 论文地址：https://arxiv.org/abs/2501.14729 研究背景与动机 近年来，自动驾驶技术取得了令人瞩目的进展。要让智能汽车安全高效地行驶在复杂的真实道路上，车辆必须具备两大核心能力： 对 当前环境 的深刻理解 （例 如 ...