作者提出3D场景条件世界导航模型WNM-3D

Yuehao Huang等作者在arXiv预印本中提出WNM-3D，一个面向连续视觉语言导航（VLN）的生成式世界导航模型：用冻结的前馈几何编码器从单目RGB历史提取跨视角表示，经可训练的3D Scene-to-Token Adapter转为定长场景前缀，在联合去噪中持续提供给世界-动作Diffusion Transformer。 作者称，在GN-Bench和VLN-CE上，WNM-3D一致优于骨干匹配的WNM-2D对照，显示3D场景条件在不同视觉域带来增益；在GN-Bench上优于强VLN基线，并在一台实体机器人上完成闭环部署。组件与分阶段消融支持Adapter设计，以及DAgger-SFT与后续奖励引导精修的互补作用。 上述结果为预印本作者自述，尚未经同行评议或独立验证；实体机器人闭环部署的具体任务、试验次数与成功率未在摘要中给出。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。