NavForesee: 一种用于分层规划和双视野导航预测的统一视觉-语言世界模型

arXiv 25.12 2025 46.4 method, application

TLDR

NavForesee统一语言规划与生成式世界模型预测，在R2R-CE和RxR-CE上取得竞争性结果。

评分理由

Strengths: novel integration of planning and prediction in a single VLM with internal feedback loop. Weaknesses: limited to navigation tasks, no explicit comparison to model-based RL world models, abstract lacks discussion of limitations.

Read-first 评分解释

综合优先阅读分 46.4，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 28。

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

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：基准、实验

主题相关性 42%

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

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：376。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

interactive world model

video world model

model-based reinforcement learning world model

深度分析

创新点

统一的视觉-语言模型（VLM），在单一框架内同时执行高层语言规划和预测性世界模型想象
双视野预测：短期环境动态和长期导航里程碑
感知-规划/预测-动作的内部反馈循环，其中结构化计划指导目标导向预测，想象未来指导导航动作

方法

NavForesee是一个基于完整指令和历史观测的VLM。它被训练用于分解任务、跟踪进度并制定后续子目标，同时作为生成式世界模型预测短期环境动态和长期导航里程碑。该模型创建了一个反馈循环，其中计划指导预测，想象未来指导动作。

关键结果

NavForesee在R2R-CE和RxR-CE基准上的复杂长时域导航场景中取得了极具竞争力的性能。

技术栈

Vision-Language Model (VLM)R2R-CERxR-CEgenerative world model

资源

论文