已收录文章摘要，完整内容可前往原文阅读。
一段生成的行车视频，可能有清楚的车道线、自然的光照，以及相当逼真的车辆纹理。但如果镜头稍微偏移，道路旁的物体会不会散开？如果驾驶策略根据这些画面连续作出决策，车辆还能否沿路线行驶？当视频被交给三维感知