불확실성을 고려한 항공 이미지 기반 목표 지향 네비게이션을 위한 월드 모델

Uncertainty-Aware World Model for Aerial Image-Goal Navigation

항공 이미지 기반 목표 지향 네비게이션은 무인 항공기(UAV)가 목표 이미지로 지정된 특정 위치에 도달하는 것을 요구합니다. 기존의 월드 모델 기반 방법들은 예측된 미래 상태를 사용하여 후보 경로를 순위화하지만, 일반적으로 단일 또는 몇 개의 점 예측에 의존하는데, 이는 상당한 미래 상태 불확실성을 가진 대규모 실외 환경에서는 적절하지 않습니다. 이러한 한계를 해결하기 위해, 본 논문에서는 효율적인 잠재 월드 모델인 Uncertainty-Aware Navigation World Model (UA-NWM)을 제안합니다. UA-NWM은 경로 점수 계산을 조건부 이상 탐지(conditional out-of-distribution detection) 문제로 정의하며, 가능한 미래 상태를 불확실성 공간으로 표현하고, 예측과 목표 간의 차이를 불확실성으로 설명 가능하거나 설명 불가능한 구성 요소로 분해합니다. UA-NWM은 여러 개의 미래 시나리오 샘플 없이도, 설명 불가능한 잔여 오차만을 사용하여 안정적인 경로 선택을 가능하게 합니다. 광범위한 실험 결과는 UA-NWM이 기존 네비게이션 월드 모델보다 일관되게 우수한 성능을 보이며 낮은 추론 지연 시간을 유지하는 것을 보여줍니다. 실제 UAV 실험은 또한 그 실용성을 입증합니다. 프로젝트 페이지: https://duryi.github.io/UA-NWM-Project-Page

Aerial image-goal navigation requires an unmanned aerial vehicle (UAV) to reach a target location specified by a goal image. Existing world-model-based methods rank candidate trajectories using predicted futures, but typically rely on only one or a few point predictions, which is inadequate for large-scale outdoor environments with substantial future-state uncertainty. To address this limitation, we propose the Uncertainty-Aware Navigation World Model (UA-NWM), an efficient latent world model for aerial image-goal navigation, which formulates trajectory scoring as conditional out-of-distribution detection. UA-NWM represents plausible futures with an uncertainty subspace and decomposes the prediction--goal discrepancy into uncertainty-explainable and unexplainable components. Only the unexplainable residual is used for scoring, enabling robust selection without multiple future samples. Extensive experiments demonstrate that UA-NWM consistently outperforms existing navigation world models while maintaining low inference latency. Real-world UAV experiments further validate its practical applicability. Project page: https://duryi.github.io/UA-NWM-Project-Page