Percept-WAM：真正「看懂世界」的自动驾驶大脑，感知到行动的一体化模型

针对当前大模型在自动驾驶中“会说话但不会开车”的问题，引望智能与复旦大学提出Percept-WAM，通过World-PV/BEV tokens统一2D/3D感知表征，集成栅格条件预测与IoU-aware机制，显著提升密集场景检测稳定性。模型在nuScenes上实现2D检测49.9 mAP、BEV 3D检测58.9 mAP，轨迹预测L2误差低至0.36m，NAVSIM闭环得分达90.2，全面优于现有方案。该研究实现了从感知到决策的端到端统一建模，为自动驾驶提供更具工程可行性的“世界大脑”新范式。
来源：https://mp.weixin.qq.com/s/R6lfKfHdiGsdGdgqF9JKww