본 논문은 종단간 자율주행 시스템 평가를 위한 새로운 세계 모델 EOT-WM을 제안합니다. 기존 세계 모델들의 한계인 자차 경로에 대한 과도한 집중과 다른 차량의 비제어성 문제를 해결하기 위해, 자차 및 타차 경로를 통합적으로 고려하는 모델을 설계했습니다. BEV 공간의 경로를 영상 좌표로 투영하여 영상 내 각 차량과 경로를 매칭하고, 공간-시간 변분 오토인코더를 사용하여 경로 영상과 주행 영상의 잠재 공간을 정렬합니다. 이후, 경로 정보를 주입한 확산 트랜스포머를 통해 노이즈가 있는 영상 잠재 변수를 제거하고, 자차 및 타차 경로를 가이드로 하여 영상을 생성합니다. 또한, 제어 잠재 변수 유사도 기반의 새로운 지표를 제시하여 경로 제어 가능성을 평가합니다. nuScenes 데이터셋을 이용한 실험 결과, 기존 최고 성능 모델 대비 FID 30%, FVD 55% 향상을 보였으며, 자체 생성 경로를 이용한 미지의 주행 환경 예측도 가능함을 확인했습니다.
