世界 - 动作交互模型的黎明

现有世界动作模型常将世界预测与动作生成割裂。本文形式化提出世界 - 动作交互模型（WAIMs），并以 DAWN 为例在自动驾驶中实例化。DAWN 在紧凑语义潜空间中耦合世界预测器与世界条件动作去噪器，通过递归反馈机制互相 refine 预测。该方法仅需短时显式潜空间推演，即可支持复杂交互场景下的长程轨迹生成。实验表明，DAWN 在多个基准测试中展现出卓越的规划性能与安全结果，为构建可操作的世界模型提供了新路径。