Discrete-WAM：統一離散標記技術，為自動駕駛注入因果推理與多樣化世界建模能力

本研究提出 Discrete-WAM，透過對齊離散視覺與動作標記的擴散框架，將世界建模與決策結合，實現具備組合因果推理與反事實預測能力的可靠自動駕駛策略。

Problem

現有自動駕駛模型多依賴「狀態到動作」的直接映射，缺乏對自車行為如何改變環境的顯式建模。此外，傳統連續潛空間的世界模型難以進行複雜的因果推理，導致系統在面對未曾發生的「反事實」情境時，無法有效預測不同決策的後果。

研發 Discrete-WAM 框架，將未來的視覺狀態與自車動作轉化為對齊的離散標記（Discrete Tokens）。基於此統一對齊架構，建立了一個共享的離散擴散框架，整合世界建模、動作策略及分層決策任務，支援在多樣化駕駛場景中的組合式泛化。

在大規模自動駕駛基準測試中，Discrete-WAM 展現了極具競爭力的性能。實驗證明該模型具備優異的可控生成能力，能精準執行反事實推理，模擬不同決策下的未來發展，為複雜交通環境提供更精確的導航指引。

此研究為自動駕駛決策提供了一套具備原則性的新路徑。透過將感知與行動統合成離散語義空間，使系統能像人類般思考「若採取特定行動會發生什麼」，顯著提升了自動駕駛系統在未知情境下的決策可靠性與透明度。