GeoWAM: Visual Geometry World Action Models for Autonomous Driving
推荐理由
核心判断
论文摘要（中文）
全文概述（未提取到摘要）：GeoWAM 将视觉几何表示与世界动作模型用于自动驾驶。当前全文证据显示，它在各个评测预测时域取得最低的 Abs Rel，并将最强基线的总体均值从 0.274 降至 0.257。
暂无原文依据。
研究动机（中文总结）
作者基于前述观察提出 GeoWAM，将视觉几何世界动作模型用于自动驾驶；当前提取的引言证据没有保留更完整的问题背景，需回看 PDF 引言确认。
Building on this insight, we introduceGeoW AM, a visual geometry world action model for autonomous driving.
创新与贡献（中文总结）
提出面向自动驾驶的视觉几何世界动作模型 GeoWAM；当前证据显示其重点是以几何信息支撑世界状态与动作建模。
5 Conclusion We presented GeoWAM, a visual geometry world action model for autonomous driving.
方法与证据
方法（中文总结）
全文当前提取到的方法证据不足，只有结论中对 GeoWAM 的总体描述；具体模块与训练方式需补读方法章节。
5 Conclusion We presented GeoWAM, a visual geometry world action model for autonomous driving.
实验结果（中文总结）
作者报告 GeoWAM 在每个评测时域都取得最低 Abs Rel；总体均值由最强基线 Epona+DVGT 的 0.274 降至 0.257。
GeoWAM achieves the lowest Abs Rel at every evaluated horizon and improves the aggregate mean from 0.274 for the strongest baseline, Epona+DVGT, to 0.257.