NavWM：用于前瞻性驱动规划的统一导航世界模型

传统的视觉导航策略常常面临复杂环境中短视决策和模式崩溃的问题。虽然世界模型提供了一个有前途的替代方案，但现有的范式通常将感知、生成和控制隔离开来，无法捕捉它们共享的时空动态。在本文中，我们提出了 NavWM，一种统一的导航世界模型，无缝集成了潜在世界推理、多模态动作预测和可控视觉生成。 NavWM 的核心是利用潜在世界标记来提取几何和语义先验，从而赋予代理强大的结构理解能力。为了克服确定性策略的局限性，我们引入了基于锚的多模态轨迹预测框架，该框架可生成多样化的行动空间。这种固有的多样性明确地使生成世界模型能够充当强大的闭环规划器，利用视觉远见来评估和选择最佳路径。跨不同机器人数据集的大量实验表明，NavWM 显着推进了最先进的技术，在高保真未来状态生成和零样本导航成功方面都取得了显着改进。