OpenNWM：潜在动作预训练的通用导航世界模型

Dujun Nie 等作者提出并发布 OpenNWM 通用导航世界模型。该模型先从大规模无动作视频中通过视觉预测预训练学习通用潜在动作，再经动作条件后训练与物理运动对齐。 团队同时构建 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。 作者称，实验显示该模型在域内与域外基准上的视觉预测及导航性能均有提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。