技术突破 - 提出首个端到端生成式世界模型SceneDiffuser++，通过单一损失函数训练实现60秒城市级交通仿真，整合场景生成、代理行为建模、遮挡推理和环境仿真等多项技术 [1][2] - 采用多张量扩散方法，将代理和交通灯等异质元素投影到统一潜在空间，通过Transformer骨干网络进行联合去噪处理，支持异质元素的联合仿真 [4][7] - 引入软剪辑策略稳定稀疏张量生成，避免硬剪辑导致的不自然跳跃，确保代理生成和移除的平滑性，综合性能优于硬剪辑和无剪辑方案 [5][17] 性能表现 - 在WOMD-XLMap数据集上评估，SceneDiffuser++在所有指标上优于IDM和SceneDiffuser，例如当IDM作为规划器时，生成代理数量的JS散度为0.1947，远低于IDM的0.6357和SceneDiffuser的0.7027 [12] - 交通灯状态转换概率与真实数据高度一致，而IDM和SceneDiffuser不支持交通灯仿真，在60秒长时仿真中能保持代理动态性和交通灯合理性 [12][15] - 随仿真时长从30秒增加到300秒，误差累积导致部分指标下降，但代理生成和移除的位置合理性仍保持稳定 [18] 行业应用 - 实现行程级仿真（trip-level），处理更长时间的动态变化，包括初始代理离开视野、新代理无缝进入和交通灯状态随路线动态更新，避免仿真漂移问题 [2][3] - 将不同仿真任务统一为修复任务，包括行为预测和场景生成，通过随机掩码增强模型的可控性，支持公里级路线的长时仿真 [10][11] - 提出CitySim概念，明确生成式仿真城市的需求与挑战，设计统一生成式框架整合代理动态生成、遮挡推理和交通灯仿真 [1][19]