G²WAM：面向高效几何锚定图像目标导航的世界动作模型

研究者提出几何锚定世界动作模型 G²WAM，用于图像目标导航。它通过学习到的场景坐标定位模块将当前、目标与历史帧锚定在统一参考系中，无需显式 3D 重建，并完全在潜空间中联合预测未来状态与动作，省去 CEM 式规划。在四个轨迹预测基准上，平均 ATE 和 RPE 分别降低 40.1% 和 35.2%；闭环导航成功率从 54.0% 提升至 63.0%，SPL 从 36.4% 提升至 59.2%。