推論系統
DriveCache 按預定車輛軌跡分配去噪快取，Wan2.2 A14B 以 1.97 倍速度維持較高保真度
DriveCache 利用生成前已知的車輛平移與旋轉，為不同駕駛場景安排擴散模型的特徵重用。Wan2.2 A14B 在接近相同加速幅度下，PSNR 較 SeaCache 高 1.276 dB，但程式碼尚未公開。
擴散式駕駛世界模型要在多個去噪步驟反覆執行大型 backbone；現有快取方法多以固定間隔或生成期間觀察到的特徵變化決定何時重用計算。8 月 17 日提交的 DriveCache 改為先讀取規劃系統原本就會提供的 ego trajectory，以累積平移距離及旋轉角度估計場景對快取誤差的容忍度：靜止或直線場景可重用更多特徵，轉彎場景則較保守。
系統先在低運動與移動轉彎兩個 anchor 上執行完整去噪軌跡，再以 Jacobian-vector product 估算連續重用對終端 latent 的聯合擾動。動態規劃會在誤差預算內選擇快取次數與位置；推論時若輸入 drift 超出校準範圍，控制器便取消該次重用、刷新特徵，並重新規劃尚未執行的步驟。它不改模型權重或採樣步數，但必須遵守 Wan2.2 A14B 的雙專家邊界，不能跨高噪聲與低噪聲專家重用特徵。
作者以單張 H20、batch size 1 測試 Wan2.2 5B、A14B 及 Epona。5B 設定達 1.84 倍加速、34.744 dB PSNR；A14B 達 1.97 倍與 32.778 dB，在相同加速級別下分別較 SeaCache 高 1.884 及 1.276 dB。Epona 則達 1.89 倍加速。校準 A14B 約需九分鐘，控制器額外延遲低於端到端時間的 0.7%。
工程價值在於把控制系統的先驗訊號納入生成器排程，而非只依賴通用影像快取規則。不過評測仍是作者選定的三種生成配置與單卡環境，PSNR、LPIPS 和軌跡指標也不能代替閉環駕駛安全測試；論文目前僅承諾稍後公開程式碼，外部團隊尚不能完整重現結果。