点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Zhenya Yang等 编辑 | 自动驾驶之心 来自香港大学、华为以及华中科技大学的最新工作 GenieDrive，提出了一种以 4D Occupancy 作为中间表示的自动驾驶世界模型框架，在 4D 占据预测、轨迹可控性 以及长时序视频生成能力等方面均显著优于现有自动驾驶世界模型，为该领域提供了一条"先生成 4D 占据、再生成视频"的全新研究路径。 项目简介 GenieDrive 是一种新型的以 4D Occupancy 作为中间表示的自动驾驶世界模型框架，能够实现高度可控、多视角一致且符合物理规律的自动驾驶视频生成。得益于上述 设计，GenieDrive 在仅使用 3.47M 参数的情况下实现了 41 FPS 的推理速度，并在 4D 占据预测任务上取得了 7.2% 的 mIoU 提升；同时，通过在视频生成阶段引入归 一化多视角注意力机制，在 4D Occupancy 的引导下显著提升了多视角视频生成质量，将 FVD 指标降低了 20.7% ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 编辑 | 自动驾驶之心 首先看上图，展示了Tesla标准的端到端自动驾驶方案，其中Large Neural Network可以为LLM（Large Language Model），也可以为非LLM架构，总之是一个具有强大 表征能力的大规模神经网络。这种架构通过直接从传感器输入到控制输出的映射，避免了传统模块化系统的复杂性和错误累积问题。然而，这种端到端架构在实际部 署中面临着如下三大核心挑战： 论文标题 ：UniLION: Towards Unified Autonomous Driving Model with Linear Group RNNs 论文链接 ：https://arxiv.org/pdf/2511.01768 项目链接 ：https://github.com/happinesslz/UniLION UniLION主要特点：统一的3D骨干网络架构，基于线性组RNN实现线性计算复杂度，解决了传统Transformer在处理长序列数据时的计算效率瓶 ...