SparseDrive 精读：不用稠密 BEV 栅格，以稀疏实例表示场景；对称稀疏感知与并行运动规划，再经碰撞感知重打分选出更安全轨迹。

用正确 token 概率解释交叉熵曲线，并说明它如何对应 OccWorld 两阶段训练里码本分类与自回归预测的学习目标。

按 OccWorld 开源 VAERes2D 配置逐层展开 Encoder/Decoder、残差块与注意力，并记录编码→量化→解码的张量形状变化。

OccWorld 时空 Transformer 入门：时间/空间注意力、因果遮罩、UnetBlock 与张量维度如何配合做场景 token 的未来预测。

对照 OccWorld 开源实现梳理 VQVAE 输入与 token 化：Occ3D 语义占据如何进入编码器、量化与解码，以及常见调试断点。

UniAD 精读：以规划为导向，用 query 串联感知、建图、运动预测与占用，形成统一端到端自动驾驶网络，并讨论开环评测局限。

Vista 精读：在连续 latent 扩散上做前视、动作可控驾驶视频预测，结合历史 latent、动态/高频损失与奖励式动作评分。

OccWorld 精读：把三维语义占据 token 化后做时间自回归，同时预测未来场景与自车轨迹，减少对包围框标签栈的依赖。

Drive-WM 精读：用多视角视频扩散做未来预测，并在世界模型里评估候选轨迹，缓解分布外偏移下的规划脆弱问题。

精读自动驾驶世界模型初始综述：为何驾驶需要预判动作后果，latent/RSSM 等内部状态如何服务于预测、规划与基于想象的策略学习。