**SimVTA：基于模拟的驾驶世界动作模型视频轨迹对齐框架**

_SimVTA: Simulation-Grounded Video-Trajectory Alignment for Driving World Action Models_

> 针对驾驶世界动作模型（WAMs）在强化学习后训练阶段缺乏替代轨迹视觉监督的痛点，研究提出了 SimVTA 框架。该框架结合轨迹优化与视频监督，利用真实世界模拟器（如 World Engine）和 3D 高斯泼溅技术，为高奖励候选轨迹生成未来视频以提供独立的视觉监督。通过优先对高误差未来进行视频监督，并利用流匹配损失更新共享表征，SimVTA 在 NAVSIM v1 和 v2 及 HUGSIM 等基准测试中显著提升了驾驶规划性能，实现了从 86.2 到 91.3 的 PDMS 分数提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.13781)