任少卿时隔十年再署名论文，提出自动驾驶多模式世界—动作联合模型

核心事实

据量子位报道，一篇题为《MM-Future: Multi-Mode Joint World–Action Modeling for Autonomous Driving》的论文近期公开，通讯作者为任少卿，第一机构为NIO，多位作者来自蔚来。公开学术记录显示，任少卿此前的代表性工作集中在2014—2016年，包括Faster R-CNN、ResNet等计算机视觉研究，此次是他时隔十年再次以通讯作者身份署名论文。

论文提出的MM-Future是一种多模式世界—动作联合模型。其思路是让模型一次生成多组“配对场景—动作假设”，每组内部的车辆轨迹与对应未来场景共同演化，最后再从中筛选。论文称，这使自动驾驶在规划时不仅考虑多条候选轨迹，也考虑不同轨迹可能带来的不同环境变化。

背景与影响

现有World–Action Model大致分两类：级联式方案先生成候选轨迹再预测未来场景，信息单向传递；联合式方案让场景与动作相互影响，但通常只生成单组结果。论文认为，真实道路需要同时覆盖多种结果并保持双向交互，因此设计了多模式联合生成、MM-Tokens紧凑表征以及Future-Conditioned Proposal Scorer筛选等环节。

论文使用NAVSIM与HUGSIM基准进行测试，并给出消融实验与延迟数据。论文同时指出，多组未来假设带来额外计算成本，主模型一次采样64组候选时端到端前向延迟约233毫秒；闭环测试中平均Route Completion略低于对比方案，极端难度下HD-Score也存在差距。作者还提到MM-Tokens属于隐式表征，可解释性有待提升。

限制与来源

上述内容来自量子位报道及论文公开信息，相关指标均为论文在公开数据集和仿真环境下的结果，尚未获官方确认可用于真实道路部署。论文地址为arXiv:2609.20377。功能、性能与可用范围请以论文原文及官方后续披露为准。