研究提出面向图像目标导航的几何定位世界动作模型 G²WAM

预印本摘要称，研究团队提出面向图像目标导航的几何定位世界动作模型 G²WAM，通过场景坐标模块将当前、目标与历史帧锚定在统一参考系，无需显式 3D 重建即可提供稳定空间上下文。该模型在潜在空间中联合预测未来状态与动作，避免了计算开销高昂的采样规划，使轨迹预测 ATE 和 RPE 分别降低 40.1% 与 35.2%，闭环导航成功率和 SPL 分别达到 63.0% 与 59.2%。