LiteNWM：用于野外机载视觉导航的高效潜在世界模型

直接视觉导航策略有效地生成轨迹，但没有明确评估其未来的后果。生成导航世界模型通过视觉展示提供了这种远见，这在评估多个候选者时成本高昂。我们提出了 LiteNWM，这是一种潜在的导航世界模型，它在候选者之间共享视觉编码，并共同预测他们在多个视野中的动作条件未来表示，而学习评分器则使用这些预测来选择轨迹。在 RECON、SCAND 和 SACSoN 的离线评估中，LiteNWM 相对于 NoMaD+NWM-XL 将宏观平均轨迹误差降低了 17.56%，并在 RTX 5090 上实现了 128.00 倍的端到端加速。相同的评估器从 NoMaD 转移到 MBRA，无需针对提议者进行重新训练，从而将 MBRA 的宏观平均轨迹误差降低16.2%。在看不见的室内和室外环境中的真实机器人实验中，LiteNWM 相对于 NoMaD 将导航成功率从 43.3% 提高到 83.3%。这些结果表明 LiteNWM 可以部署用于具有未来意识的规划和 物理机器人上的闭环导航。