论文页面 - DroneWAM：高效无人机视觉导航世界动作模型

来源：https://huggingface.co/papers/2609.33148

摘要

世界动作为视觉导航智能体提供了一种预测候选动作如何改变未来观察结果并基于预测结果行动的方式。对于无人机，这一能力必须在严格的准确性和效率约束下运行。我们提出 DroneWAM，一种面向无人机视觉导航的高效世界动作模型。DroneWAM 采用基于 JEPA 的架构，在表示空间中直接建模未来状态，避免了显式生成未来图像的高昂成本。预训练的重采样器进一步将密集的编码器特征压缩为更少的潜在 token，减少了在每个想象步骤中重复的计算。我们还引入了自适应展开机制，其中偏好训练的门控模块根据当前场景自适应分配预测深度。为支持更丰富航空运动下的学习，我们构建了 DroneNav-6D，这是一个模拟视觉导航数据集，包含同步的 RGB 观测、6 自由度飞行轨迹、控制指令以及随机风扰动。在 DroneNav-6D 上，DroneWAM 在所比较的方法中取得了最佳的轨迹准确性。自适应展开进一步将平均预测深度从 8 减少到 4.58，同时提高了轨迹准确性，证明了预测计算可以在不同场景中更有效地分配。代码与数据集将于 https://github.com/1e12Leon/DroneWAM 发布。

查看 arXiv 页面 (https://arxiv.org/abs/2609.33148)查看 PDF (https://arxiv.org/pdf/2609.33148)GitHub0 (https://github.com/1e12Leon/DroneWAM)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.33148)

在你的智能体中获取此论文：

hf papers read 2609.33148

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

无模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.33148 以从本页链接它。

引用此论文的数据集0

无数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.33148 以从本页链接它。

引用此论文的 Space0

无 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.33148 以从本页链接它。

包含此论文的收藏集0

无收藏集包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection)以从本页链接它。