UniNav: Modello di Diffusione Unificato Mondo-Azione per la Navigazione Visiva

Un nuovo modello chiamato UniNav è stato sviluppato dai ricercatori, che integra un framework mondo-azione per produrre osservazioni visive future e percorsi di waypoint continui attraverso un singolo processo di diffusione. Questo modello, descritto in un articolo su arXiv (2608.03244), supera le carenze delle attuali politiche di navigazione che mancano di previsione visiva e i costosi rollout di pianificazione associati ai modelli di mondo di navigazione. UniNav denoisa efficacemente sia i token visivi che quelli di waypoint utilizzando un trasformatore unificato, fondendo la previsione futura con la generazione di azioni. Impiega token di telecamera consapevoli della geometria per un migliore ancoraggio spaziale ed è addestrato su dati di navigazione etichettati con traiettorie insieme a dati video-only, consentendo di utilizzare una varietà di video senza annotazioni di waypoint. Il framework offre due versioni: UniNav-Full, che elabora entrambe le modalità insieme, e un'altra che le elabora separatamente. Questo avanzamento è cruciale per gli agenti embodied, migliorando significativamente la loro efficienza nella navigazione visiva verso un obiettivo immagine.