IDOL: Inverse-Dynamics-Guided Future Prediction for End-to-End Autonomous Driving

📄 arXiv: 2605.31476v1 📥 PDF

作者: Chenghao Zhang, Timin Li, Dongmei Li

分类: cs.RO

发布日期: 2026-05-29

备注: 20 pages, 5 figures

💡 一句话要点

提出IDOL框架以解决未来预测与轨迹优化的耦合问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 自动驾驶 逆动力学 未来预测 轨迹优化 世界模型 BEV空间 闭环优化 长时间一致性

📋 核心要点

  1. 现有方法在进行未来场景状态预测时，缺乏将预测结果有效转化为可执行轨迹更新的能力。
  2. IDOL框架通过引入逆动力学模型，将未来预测与轨迹优化紧密结合，实现了更高效的规划指导。
  3. 在NAVSIM基准测试中，IDOL展示了优于现有方法的性能，验证了其在长时间一致性和规划精度上的优势。

📝 摘要（中文）

端到端的自动驾驶已成为直接从传感器观测中学习规划的有效范式，而基于世界模型的方法通过显式推理场景未来演变进一步丰富了这一范式。然而，仅仅进行未来预测并不能保证更好的规划，除非预测的演变能够转化为与规划相关的轨迹更新。为了解决这一限制，本文提出了IDOL，一个基于逆动力学的未来预测框架，通过在潜在BEV空间中实现世界模型的端到端规划。IDOL首先预测多个未来的潜在场景状态，然后应用逆动力学模型解码轨迹特征，优化规划轨迹。实验结果表明，IDOL在NAVSIM v1和NAVSIM v2基准上实现了最先进的性能。

🔬 方法详解

问题定义：本文旨在解决现有自动驾驶方法中，未来预测与轨迹优化之间的耦合不足问题。许多方法仅进行未来状态预测，而未能有效解码状态转变中的运动含义，导致规划效果不佳。

核心思路：IDOL框架通过逆动力学模型，将未来预测与轨迹优化相结合。该设计使得未来预测不仅是被动的场景预判，而是转化为可执行的规划指导，从而提高了规划的有效性。

技术框架：IDOL的整体架构包括多个模块：首先，使用BEV世界模型预测多个未来的潜在场景状态；其次，应用逆动力学模型解码相邻潜在未来的轨迹特征；最后，优化规划轨迹并通过闭环模块进行进一步的未来感知推理。

关键创新：IDOL的主要创新在于引入逆动力学作为未来预测与轨迹优化之间的桥梁。这一创新使得未来预测与可执行运动生成之间的耦合更加紧密，显著提升了规划的有效性。

关键设计：在设计中，IDOL采用了轻量级的闭环优化模块，以提高长时间规划的一致性。同时，损失函数的设计考虑了轨迹的平滑性和准确性，确保优化结果的实用性。整体网络结构经过精心调整，以适应潜在BEV空间的特征提取与处理。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在NAVSIM v1和NAVSIM v2基准测试中，IDOL相较于其他方法实现了显著的性能提升，具体表现为在长时间规划一致性和轨迹优化精度上的领先，验证了其在实际应用中的有效性和可靠性。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶汽车、机器人导航和智能交通系统等。通过提高未来预测与轨迹优化的耦合性，IDOL能够为自动驾驶系统提供更为精准的规划指导，进而提升行驶安全性和效率。未来，该框架有望在复杂环境下的自主决策中发挥重要作用。

📄 摘要（原文）

End-to-end autonomous driving has emerged as a compelling paradigm for learning planning directly from sensor observations, while recent world-model-based approaches further enrich this paradigm by enabling explicit reasoning about how the scene may evolve in the future. Yet future prediction alone does not guarantee better planning unless the predicted evolution can be converted into planning-relevant trajectory updates. Many current methods still forecast future scene states without explicitly decoding the motion implications hidden in state transitions. As a result, future reasoning often remains descriptively useful but only weakly coupled to executable motion generation. To address this limitation, we propose \mathbf{IDOL}, an inverse-dynamics-guided future prediction framework for world-model-based end-to-end planning in latent BEV space, where inverse dynamics serves as the key bridge between future prediction and trajectory optimization. IDOL first predicts multiple future latent scene states with a BEV world model, then applies an inverse dynamics model to adjacent latent futures to decode transition-aware trajectory features and recover planning-relevant motion deltas that explain how the latent world evolves over time. These inverse-dynamics-derived signals are used to optimize the planned trajectory, turning future forecasting from passive scene anticipation into actionable planning guidance. A lightweight closed-loop refinement module further improves long-horizon consistency by reusing the optimized trajectory for another round of future-aware reasoning. By introducing inverse dynamics into latent future reasoning, IDOL tightens the coupling between world modeling and planning. Extensive experiments on the NAVSIM v1 and NAVSIM v2 benchmarks show that IDOL achieves state-of-the-art performance among comparable methods.