OpenNWM：用潜在动作预训练构建的通用导航世界模型

研究者提出通用导航世界模型 OpenNWM，通过视觉预测预训练从无动作视频中学习通用潜在动作，再用动作条件后训练将其对齐到真实运动。团队构建了 NavAnywhere 数据集，含 15 个异构来源的 1750 万条视觉观测，覆盖地面机器人、人类和无人机。实验显示其在域内与域外基准上的视觉预测和导航性能均有提升。