导航机器人学会先想再走，遮挡难题有解了？

一句话判断

零样本导航：Schrödinger's Navigator

论文解决什么问题

零样本目标导航(ZSON)卡在哪里？不是语义理解——InstructNav这类纯语义基线在静态场景已能做到22/30。真正的瓶颈是「近视性」：遮挡区域的目标怎么找，移动障碍物的出现怎么应对，当前时刻的视觉输入给不出答案。

✅ 方案：让导航机器人「先想再走」
↳ ① Tri-trajectory采样：每步生成三条候选轨迹（绕障/探索/目标导向），覆盖不同决策空间
↳ ② FlashWorld想象未来：对每条轨迹调用3DGS世界模型，秒级生成几何一致的未来场景
↳ ③ Future-Aware Value Map决策：混合当前观测值图m和未来想象值图m_FA（权重β），统一语义目标引导、信息增益和安全性，选出最优轨迹
在Unitree Go2四足真机三个室内场景验证：27/30 vs InstructNav 22/30，优势来自动态目标和突发障碍。

核心方法

实验结果

这篇论文不是什么

增益是有条件的：静态整洁环境下与基线持平，每步仍要固定付出三条轨迹×三次世界模型推理的算力，没有自适应计算分配。更实际的问题：FlashWorld只说生成时间「within seconds」，没有给出具体延迟数字，Go2的机载算力配置也未披露。Orin NX能不能在15fps的导航频率下跑起来，是部署前必须实测的硬问题。

对机器人 / 世界模型 / VLA 的启发

这篇和库里的WAM直接正面交锋——WAM说「推理时的未来想象没用，关键在训练时的视频协同目标」；Schrödinger's Navigator说「遮挡/动态场景里，推理时的想象才是核心增益」。两篇3/3强共识互相矛盾，说明这不是任何一方的错，而是场景依赖的：动态遮挡越强，推理时想象越值；静态环境里，训练时的表征才是主要变量。同时，D4RT专攻动态场景像素级重建、QWEN-RobotWorld做状态转移世界模型——三篇从重建/预测/规划不同角度指向同一个方向：动态感知是下一个真实前沿。nav-brain的Orin NX实时性挑战，可参考π0.7的RTC异步推理工程解法。

论文关键页