# 四旋翼导航

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%。

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%。

本文提出WAND，一个面向密集障碍与时变风扰的四旋翼强化学习导航框架：它用时间卷积网络（TCN）从历史本体感知状态估计风致扰动加速度，经零初始化残差模块WindAdapter注入策略，同时复用该估计做底层前馈补偿；在12种风扰仿真设置中，其观测成功率相对仅用前馈补偿平均提升8.3个百分点，室内风扇扰动飞行测试20次成功18次。

本文提出WAND，一个面向密集障碍与时变风扰的四旋翼强化学习导航框架：它用时间卷积网络（TCN）从历史本体感知状态估计风致扰动加速度，经零初始化残差模块WindAdapter注入策略，同时复用该估计做底层前馈补偿；在12种风扰仿真设置中，其观测成功率相对仅用前馈补偿平均提升8.3个百分点，室内风扇扰动飞行测试20次成功18次。