四旋翼不再只靠隐状态记路：ScanDreamer 把在线地图写进想象，成功率96.3%、碰撞3.6%
核心概要
面向未知杂乱环境中的四旋翼导航，ScanDreamer 用深度图与位姿在线构建二维扫描记忆地图，并让世界模型、演员与评论家都以这张地图为条件，想象时在冻结地图上推进位姿、由地图几何给出测地进度与撞墙信号。在 NVIDIA Isaac Sim 的1560个未见布局与参数区间测试回合上，三个随机种子平均成功率为96.3%、碰撞率为3.6%；同一在线交互预算下，AirDreamer 的成功率为59.6%、碰撞率为28.8%。
深度剖析
四旋翼在建筑与隧道里只能靠前向深度相机看路，视野有限，而此前的世界模型智能体把记忆留在循环隐状态里，缺少显式几何记忆，也不区分相机能看见哪个方向。 同样0.8M环境步预算下，AirDreamer 的成功率为59.6%、碰撞率为28.8%，ScanDreamer 为96.3%与3.6%；AirDreamer 训练到2.0M步、即2.5倍预算，仍未追平。 对比在 NVIDIA Isaac Sim 的1560个测试回合上完成，覆盖未见布局与参数区间，三个随机种子取均值与标准差，且每个种子与对照的同种子配对。
智能体把深度像素按姿态反投影成障碍点，在起飞坐标系里维护一张持续更新的占据栅格地图，相机移开后已看到的墙仍留在图上。 地图以0.15米栅格、截断对数几率更新，占据单元在一个回合内不被清除；地图上每10步或新增占据单元时用 Dijkstra 算一次测地代价，未知单元视为可通行。 在需要记忆的拓扑偏移测试族上，只保留最近3.2秒观测的规划器最多解出49%，而使用完整扫描地图的同一规划器全部解出。
想象推演不再纯在隐空间里进行：场景静止，想象动作只改变位姿而不改变地图，进度、撞上已建图墙体与到达都由冻结地图在想象位姿上直接算出。 此前的世界模型智能体让学习出的进度、撞墙与到达预测头看不到想象位姿与地图墙体，演员可以利用这些误差。 位姿先验在 AirDreamer 训练回放的291个回合的一半上拟合、另一半上检验，15步位置误差中位数为0.143米，未校准运动学模型为0.363米。
前向锥惩罚压低相机视野之外的水平运动，近目标到达处理则避免评论家把到达球外区域估得比到达奖励还高。 去掉前向锥惩罚后碰撞率从3.6%升到9.9%，前向运动占比从92.4%降到40.1%；去掉到达处理后成功率与碰撞率无一致变化，但最后接近耗时从0.38秒变为1.39秒。 消融变体与完整模型用相同设置训练，指标在三个种子上取均值与标准差。
启示与展望
结果全部来自 NVIDIA Isaac Sim 仿真，测试场景为24米见方、障碍为贯穿飞行高度带的竖直箱体，二维地图适用于这类障碍；作者提出的下一步是更真实多样的环境、三维地图、真实四旋翼上的噪声深度与视觉惯性里程计位姿，以及动态目标与障碍。
作者把测地奖励单独替换进 AirDreamer 时成功率反而从59.6%降到51.6%，并假设该奖励需要地图作为输入才起作用；真实建筑与地下场地还存在二维地图无法表达的悬挑障碍。