#视觉导航 (7)

WSM 将 SLAM 的持续记忆、增量状态更新与局部后端优化嵌入导航世界模型，在统一 Mixture-of-Transformers 中联合预测未来视觉、深度和相机位姿，以纯 RGB 输入完成闭环导航，并同时保持准确的定位与稠密建图能力。

CanonNav 将跨平台相机拍摄的图像、相对目标和轨迹统一到规范前视相机空间，并用离线可通行性估计生成的伪标签补充安全与局部进展监督。它仅靠 RGB 推理，在 18 种相机配置的仿真和 Husky 实机实验中优于 RGB 基线，并在长距离子目标上超过部分 RGB-D 方法。

Navi-Agent 仅用单目 RGB 构建无坐标视觉锚点图，以视觉重访做地点确认、进度校验与失败恢复，R2R-CE_100 成功率 33.4%。

论文提出HyperDCM，把RGB观测转为场景图并映射到Poincaré双曲空间，再用结构敏感动态聚类维护回放样本，缓解扩散导航策略跨场景训练的灾难性遗忘。

EA-Nav提出具有身体感知的安全视觉导航策略学习方法,让机器人理解自身身体约束进行安全导航。

杂乱室内空间中的机器人往往不是因为无法生成无碰撞路径而失败,而是因为固定安全裕度校准不当。本文提出基于扩散规划的自适应安全裕度学习方法。

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。