TartanDrive

UniWM统一世界模型通过集成规划和预见性提升视觉导航能力

研究人员推出 UniWM，这是一种新颖的统一世界模型，旨在增强具身智能体的视觉导航能力。该记忆增强系统将自我中心的视觉预见性和规划集成到一个自回归骨干网络中，直接将动作选择与设想的输出联系起来。UniWM 利用分层记忆机制，将短期感知数据与长期轨迹上下文相结合，从而能够在更长时间内实现更稳定、更连贯的推理。在多个基准测试和人形数据集上的实验表明，导航成功率和泛化能力得到了显著提高。