DroneWAM：面向无人机视觉导航的高效世界动作模型
DroneWAM是一种面向无人机视觉导航的高效世界动作模型。它采用基于JEPA的架构，直接在表征空间中预测未来状态，避免生成完整未来图像所需的计算成本。预训练Resampler将编码器的密集特征压缩为更少的潜在标记，自适应 rollout 则根据当前场景调整预测深度。研究人员还构建了模拟数据集DroneNav-6D，包含同步RGB观测、6自由度飞行轨迹、控制指令和随机风力扰动。在比较方法中，DroneWAM取得了最高的轨迹准确率。自适应 rollout 将平均预测深度从8降至4.58，同时提升了轨迹准确率，表明预测计算可以根据不同场景进行更有效的分配。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。