--- format: "aidr-story-markdown/v1" id: "c4e64ec122b346fd0ca7be107526c4b2c8d16c1c3b2f73f6f604af3002d3b671" canonical_url: "https://aidr.today/c4e64ec1?lang=vi" title: "Birddreams joint perspective và bev video generation cho world model lái xe" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-11-13T00:00:00.000Z" category: "Research" topics: ["agent"] source_urls: ["https://huggingface.co/papers/2611.14815"] summary: "Các world model lái xe nhằm mô phỏng cách một cảnh diễn ra dưới các hành động ego khác nhau, điều này đòi hỏi chuyển động hợp lý của các phương tiện xung quanh cùng với kiểm soát quỹ đạo ego chính xác. Việc học chuyển động phương tiện chỉ từ video perspective là khó vì chuyển động bị rối với hình thức và phương tiện có thể bị che khuất. Do đó, các công trình trước đây điều kiện hóa việc tạo video dựa trên các layout quy định chuyển động phương tiện, giúp kiểm soát các phương tiện xung quanh nhưng yêu cầu quỹ đạo tương lai của chúng làm đầu vào. BirdDreams được giới thiệu là một world model lái xe autoregressive tạo đồng thời video perspective và video bird's-eye-view (BEV) sơ đồ, biến layout cảnh thành một phần của tương lai được dự đoán. BEV, được kết xuất từ chú thích cảnh để huấn luyện, mô tả đường và phương tiện dưới dạng hình dạng đơn giản ở tỷ lệ metric cố định, cung cấp góc nhìn từ trên xuống về vị trí và chuyển động của chúng với sự che khuất giữa các phương tiện giảm đi. Ngược lại, video perspective giữ lại các chi tiết cảnh mà BEV bỏ qua, như tín hiệu giao thông và hình thức đối tượng. Sự chú ý chung giữa hai video diffusion transformer, mỗi transformer cho một luồng, ch…" --- # Birddreams joint perspective và bev video generation cho world model lái xe > [Open the canonical story]() **Published:** 2026-11-13T00:00:00.000Z **Category:** Research **Topics:** agent ## Summary Các world model lái xe nhằm mô phỏng cách một cảnh diễn ra dưới các hành động ego khác nhau, điều này đòi hỏi chuyển động hợp lý của các phương tiện xung quanh cùng với kiểm soát quỹ đạo ego chính xác\. Việc học chuyển động phương tiện chỉ từ video perspective là khó vì chuyển động bị rối với hình thức và phương tiện có thể bị che khuất\. Do đó, các công trình trước đây điều kiện hóa việc tạo video dựa trên các layout quy định chuyển động phương tiện, giúp kiểm soát các phương tiện xung quanh nhưng yêu cầu quỹ đạo tương lai của chúng làm đầu vào\. BirdDreams được giới thiệu là một world model lái xe autoregressive tạo đồng thời video perspective và video bird's\-eye\-view \(BEV\) sơ đồ, biến layout cảnh thành một phần của tương lai được dự đoán\. BEV, được kết xuất từ chú thích cảnh để huấn luyện, mô tả đường và phương tiện dưới dạng hình dạng đơn giản ở tỷ lệ metric cố định, cung cấp góc nhìn từ trên xuống về vị trí và chuyển động của chúng với sự che khuất giữa các phương tiện giảm đi\. Ngược lại, video perspective giữ lại các chi tiết cảnh mà BEV bỏ qua, như tín hiệu giao thông và hình thức đối tượng\. Sự chú ý chung giữa hai video diffusion transformer, mỗi transformer cho một luồng, ch… ## Sources - [Story source]()