VANDERER: 基于未来感知与视觉好奇心引导的扩散策略的无地图探索

arXiv 2026 51.1 method, system

TLDR

VANDERER利用视觉好奇心模块和导航世界模型引导扩散策略，实现仅使用单目图像的无地图探索。

评分理由

The paper presents a novel integration of curiosity-driven exploration with diffusion policies, showing strong simulated results. However, it lacks real-world validation and the world model is limited to navigation prediction, not a full generative or interactive simulator.

Read-first 评分解释

综合优先阅读分 51.1，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 21。

近期性 6%

100

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：2026

引用影响力 18%

96.5

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.96478361

方法质量 18%

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：基线、指标、结果

主题相关性 29%

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 18%

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

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：397。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

generative world model

interactive world model

world simulator

video world model

深度分析

创新点

仅使用单目图像数据的无地图探索，消除了对占据地图的需求
视觉好奇心模块（VCM），通过导航世界模型预测动作结果，并通过好奇心成本进行评估
未来感知与视觉好奇心引导的扩散策略，利用好奇心成本生成最大化探索的动作
证明了户外环境中视觉好奇心与几何好奇心之间的直接相关性，使得传感器受限的智能体能够高效探索

方法

VANDERER 采用视觉好奇心模块（VCM），通过导航世界模型预测提议动作的结果，并计算好奇心成本。该成本引导预训练的扩散策略生成最大化探索的动作。该框架在多种模拟环境中与包括 NoMaD 在内的已有基线方法进行评估，仅使用单目相机输入。

关键结果

VANDERER 持续优于基线方法，在多种模拟环境中平均比 NoMaD 多探索 13.4% 的区域。结果揭示了户外环境中视觉好奇心与几何好奇心之间的直接相关性。

局限性

仅在模拟环境中评估；未评估真实世界性能
仅依赖单目相机输入，限制了在其他传感器模态上的适用性
需要预训练的扩散策略，训练可能涉及大量计算资源
观察到的视觉与几何好奇心之间的相关性可能具有环境特异性，无法泛化到室内或其他场景

资源

论文