UAV Navigation专业
DiffWAM：直接从冻结视频模型预测表征解码无人机连续轨迹的世界动作模型
DiffWAM 是 arXiv 预印本提出的导航世界动作模型，它从冻结视频模型的中间预测表征中直接生成连续相机轨迹，部署时无需完成未来视频生成和几何重建。在自建 DiffWAM-1000 基准上，DiffWAM 轨迹 RMSE 为 0.3492 米，端点成功率为 74.40%；机载 DiffWAM-Flash 在 NVIDIA Jetson AGX Thor 上模型管道延迟为 1.08 秒。该工作表明预测视频表征可被高效地落地为连续三维运动，为生成再重建的导航管线提供了直接替代方案。