AstraNav-World：統一世界モデルによるエンボディードナビゲーション

本論文は、エンボディードナビゲーションのための新しいエンドツーエンドの世界モデル、AstraNav-Worldを紹介しています。主な革新は、将来の視覚状態と行動シーケンスを共同で推論する統一確率的フレームワークにあります。拡散ベースのビデオジェネレーターと視覚言語ポリシーを統合したこのアプローチは、動的な環境における軌道精度と成功率の向上を目指しています。本論文の重要性は、「envision-then-plan」パイプラインの限界に対処し、強力なゼロショット能力を実証することにより、より信頼性が高く、汎用性の高いエンボディードエージェントを作成する可能性にあります。

• •エンボディードナビゲーションのためのエンドツーエンドの世界モデル、AstraNav-Worldを提案。
• •拡散ベースのビデオジェネレーターと視覚言語ポリシーを統合。
• •実験において、軌道精度と成功率の向上を達成。
• •実世界テストで優れたゼロショット能力を実証。
• •単一の生成モデル内で、先見の明のあるビジョンと制御を統合。