面向长时域视觉生成与三维空间导航的空中世界模型

arXiv 25.12 2025 61.3 method, application

TLDR

提出ANWM，一种利用物理启发式未来帧投影模块预测未来视觉观测的空中导航世界模型，用于长时域无人机导航。

评分理由

The paper introduces a novel physics-inspired module (FFP) to improve long-distance visual forecasting and navigation success, which is a strength. However, it is limited to 4-DoF trajectories and does not explicitly validate on real-world data, weakening its generalizability claim.

Read-first 评分解释

综合优先阅读分 61.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 53。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

主题相关性 42%

75.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：指标、结果

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：373。

关键词评分

world model

generative world model

video world model

world dynamics prediction

interactive world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

提出ANWM，一种根据过去帧和动作预测未来视觉观测的空中导航世界模型，用于高级语义规划。
引入受物理启发的未来帧投影（FFP）模块，将过去帧投影到未来视点以提供粗略几何先验，减少长距离视觉生成中的表征不确定性。

方法

ANWM在四自由度无人机轨迹上训练，并使用未来帧投影（FFP）模块将过去帧投影到未来视点，提供几何先验。该模型使智能体能够根据语义合理性和导航效用对候选轨迹进行排序，桥接低级控制与高级语义。

关键结果

ANWM在长距离视觉预测方面显著优于现有世界模型，并提高了无人机在大规模环境中的导航成功率。

资源

论文