LEARNING
NavWAM：一种用于目标条件视觉导航的导航世界动作模型
Daichi Azuma, Taiki Miyanishi, Koya Sakamoto, Shuhei Kurita, Yaonan Zhu, Petr Khrapchenkov, Motoaki Kawanabe, Yusuke Iwasawa, Yutaka Matsuo
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
NavWAM是一种扩散变换器策略，通过将未来观测、目标进度值和动作块编码到共享潜在序列中，将导航世界模型预测转化为可执行动作。该方法在仿真预训练和真实机器人适应后，在图像目标导航任务中优于基于规划的世界模型基线。
关键词
visual navigationworld modeldiffusion transformergoal-conditionedrobot control
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018