LO-World: modellazione latente BEV unificata per la previsione congiunta di occupazione 4D e LiDAR

Abstract degli autori

Le nuvole di punti LiDAR e l’occupazione semantica 3D rappresentano due modalità distinte, che catturano rispettivamente la geometria metrica a grana fine e la semantica volumetrica densa, con un naturale potenziale di complementarità reciproca. Tuttavia, i modelli del mondo esistenti in genere prevedono queste modalità in modo indipendente o le concatenano secondo criteri euristici, perdendo l’opportunità di una regolarizzazione reciproca tra modalità. Per affrontare questo problema, proponiamo \textbf{LO-World}, un modello del mondo 4D unificato che prevede entrambe le modalità all’interno di uno spazio latente BEV condiviso. Questa formulazione a flusso singolo consente alla semantica densa e alla geometria metrica di rafforzarsi a vicenda, eliminando al contempo la ridondanza di pipeline multiple. Nello specifico, LO-World combina un autoencoder ibrido efficiente range-voxel con un generatore basato sul flow matching che memorizza nella cache il contesto storico per ridurre la latenza del campionamento iterativo. Esperimenti approfonditi dimostrano che LO-World supera i precedenti baseline allo stato dell’arte, migliorando del 10,9% l’IoU nella previsione dell’occupazione e riducendo del 30,1% la Chamfer Distance del LiDAR. Al contempo, mantiene un throughput in tempo reale superiore a $25$~FPS su una singola RTX 4090. Il nostro codice è disponibile all’indirizzo https://github.com/lzzzzzm/LO-World.