arXiv cs.AI· Dujun Nie, Ruiqi Song, Zixuan Wang, Hanqing Wang, Yifan Han, Baiyong Ding, Wenzhao Zheng, Hangbin Wu, Long Chen·· 11 小时前AI 评分32
OpenNWM：具备潜在动作预训练的通用导航世界模型
OpenNWM: A Generalist Navigation World Model with Latent Action Pretraining
AI 导读
OpenNWM 是一个通用导航世界模型，通过视觉预测预训练从大规模无动作视频中学习通用潜在动作，再经动作条件后训练与物理运动对齐。团队构建了 NavAnywhere 数据集，包含来自 15 个异构来源的 1750 万条视觉观测，覆盖地面机器人、人类与无人机在住宅区、公共商业空间、城市场景、公园和自然景观五类场景中的导航。实验显示其在域内与域外基准上的视觉预测及导航性能均有提升。
正文 · AI 翻译
摘要：导航世界模型以导航动作为条件预测未来观测，从而支持规划，但其在真实环境中的泛化能力仍受限于带动作标注数据覆盖范围有限。无动作导航视频提供了多样的视觉经验，却缺少动作条件训练所需的已记录动作。我们提出 OpenNWM，一种具备潜在动作预训练的通用导航世界模型。它通过视觉预测预训练从大规模无动作视频中学习通用潜在动作，并进一步通过动作条件后训练将其与物理运动对齐。为支持视频预训练，我们构建了 NavAnywhere，一个大规模无动作导航视频数据集，包含来自 15 个异构来源的 1750 万条视觉观测。它涵盖地面机器人、人类和无人机的导航，具有多样视角和运动模式，覆盖五大类场景：住宅区、公共与商业空间、城市场景、公园和自然景观。实验表明，该模型在域内和域外基准上的视觉预测均有提升，导航性能也得到改善。这些结果表明，潜在动作预训练能够利用多样的无动作视频来改进开放世界导航的动力学学习与泛化。
| 评论： | 项目页面：this https URL 代码：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.01844 [cs.RO] |
| （或 arXiv:2611.01844v2 [cs.RO] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.01844 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dujun Nie [查看邮箱]
[v1]
2026年11月1日星期日 12:23:38 UTC（18,194 KB）
[v2]
2026年11月5日星期四 04:49:34 UTC（18,194 KB）
来源：arXiv cs.AI · arxiv.org