【导航与地图】EvolvingNav预测4D信念

一句话定位

解决「记得上次药盒在床头，去的时候人已收进柜子」------用带时间戳的 3D 物体历史建 预测信念 （还在原地 / 挪到候选点 / 未知），在预计到达时刻比较概率，再用带可见性的 RGB-D 证据修正；冻结 VLM 只当工具调度器。
本页概念卡

任务：演化世界导航 · EvoWorld-Bench

方法：EvolvingNav · 预测 4D 信念 / P4D-Nav · 持久--迁移模型
和「有没有 SLAM」怎么看

有位姿的 RGB-D + 统一世界系投影 是前提（式 17：深度 + 内外参 + Tw←cT_{w\leftarrow c}Tw←c），仿真/真机低层导航栈负责定位与走路------这是 SLAM/定位基础设施 ，不是本文新发明的 SLAM。

本文新东西是：物体状态会随时间在「看不见」时变化 时的预测信念与可见性证据滤波。静态准确地图仍可能把你带到过期位置。

1. 背景概念（给新人）

持久空间记忆：多次进同一套房，把看见过的物体记在地图上。
过期记忆：记的是「过去看见时」的位置；人可能在你出门后把东西挪走，甚至你走在路上时又挪一次。
信念（belief）：对「目标现在在哪」的概率分布，不是单一死坐标。
到达时刻预测：去 A 点要 30 秒、去 B 点要 2 分钟------应比较「各自到达时」目标还在不在，而不是只比「现在」。
负观测 + 可见性：看清了桌子上空的，才能下调「在桌上」；被挡住时不要乱扣分。

问题

经典地图/场景图假设：记得准 → 去记得的地方就对。动态家居里：

查询前物体可能已移动（你不在场）；
导航执行中还可能再移动（continuing-evolution）；
一次空检不一定等于「真不在」------要看当时看得见多少。

输入：目标、带时间戳的观测历史、候选位置、动作预算。

输出：走到有效观察点并视觉确认 目标。

隐藏：真实转移过程与当前真值。

两类 episode：查询后目标固定（N1--N3）vs 执行中仍可变（N4）。

3. 核心创新点

预测 4D 信念（P4D-Nav）

从不规则不规则历史，同时建模：仍停在上次看见处（persistence）、迁到其他已知候选、以及 unknown（候选集外）。
事件驱动 predict--observe--replan

短步走 → 时间推移传播信念 → RGB-D 证据更新 → 按各候选 ETA 预报 → 重规划；空检按可见性校准的检测概率降权。
时间有效证据轮次

同一表面证据只算一次；世界可能变化后再开新轮，允许重访曾判定为空的位置。
EvoWorld-Bench

54 场景、约 80.4 万任务；人活动痕迹约束；配对 static / routine / random 世界测「可学时间规律」是否有用。
冻结 VLM 控制器

主结果用 GPT-5.6-Luna 零样本调工具；信念模块可训，控制器不微调导航任务。

4.1 因果 4D 记忆（这里「像 SLAM」）

历史 H≤tq={(Ik,Dk,ξk,tk)}\mathcal{H}_{\leq t_q}=\{(I_k,D_k,\xi_k,t_k)\}H≤tq={(Ik,Dk,ξk,tk)}：RGB、深度、相机位姿、时间。
用内外参把像素深度投到共享世界坐标（附录式 17）→ 用语义 + 几何 + 时间关联实体。
状态变化追加版本，不抹掉旧历史（4D = 3D + 时间版本）。

位姿 ξk\xi_kξk / Tw←cT_{w\leftarrow c}Tw←c 从哪来：仿真里 Habitat 等提供；真机用各平台自己的感知与低层导航接口。论文不声称提出新的 SLAM 算法。

感知前端（冻结）：Grounding DINO + SAM 2 精修 mask。

4.2 持久--迁移信念

ρq\rho_qρq：仍在「上次看见处」的概率。
否则在其余候选（含 unknown）上用 pointer 分布 πq\pi_qπq。
训练：当前状态 NLL，不需要显式「是否发生过移动」标签。

4.3 闭环滤波

text 复制代码

初始化信念 b⁻
→ 预报各候选到达时刻概率 p_arr
→ 选动作（效用 = 到达概率×新覆盖 / 路程与时间成本）
→ 执行短 chunk，收 RGB-D
→ 时间传播 b ← b K(Δt)
→ 仅对新表面覆盖做可见性条件更新
→ 必要时 reopen / EXPLORE → 再规划

4.4 控制器

冻结 VLM 调用：memory / prediction / navigation / inspection / exploration。决策触发：动作块结束、新覆盖、ETA 变、到达检查点等。

5. 整体框架（Mermaid）

#mermaid-svg-Zq4GUKCrulGjd1HU{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Zq4GUKCrulGjd1HU .error-icon{fill:#552222;}#mermaid-svg-Zq4GUKCrulGjd1HU .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Zq4GUKCrulGjd1HU .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Zq4GUKCrulGjd1HU .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Zq4GUKCrulGjd1HU .marker.cross{stroke:#333333;}#mermaid-svg-Zq4GUKCrulGjd1HU svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Zq4GUKCrulGjd1HU p{margin:0;}#mermaid-svg-Zq4GUKCrulGjd1HU .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU .cluster-label text{fill:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU .cluster-label span{color:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU .cluster-label span p{background-color:transparent;}#mermaid-svg-Zq4GUKCrulGjd1HU .label text,#mermaid-svg-Zq4GUKCrulGjd1HU span{fill:#333;color:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU .node rect,#mermaid-svg-Zq4GUKCrulGjd1HU .node circle,#mermaid-svg-Zq4GUKCrulGjd1HU .node ellipse,#mermaid-svg-Zq4GUKCrulGjd1HU .node polygon,#mermaid-svg-Zq4GUKCrulGjd1HU .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Zq4GUKCrulGjd1HU .rough-node .label text,#mermaid-svg-Zq4GUKCrulGjd1HU .node .label text,#mermaid-svg-Zq4GUKCrulGjd1HU .image-shape .label,#mermaid-svg-Zq4GUKCrulGjd1HU .icon-shape .label{text-anchor:middle;}#mermaid-svg-Zq4GUKCrulGjd1HU .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Zq4GUKCrulGjd1HU .rough-node .label,#mermaid-svg-Zq4GUKCrulGjd1HU .node .label,#mermaid-svg-Zq4GUKCrulGjd1HU .image-shape .label,#mermaid-svg-Zq4GUKCrulGjd1HU .icon-shape .label{text-align:center;}#mermaid-svg-Zq4GUKCrulGjd1HU .node.clickable{cursor:pointer;}#mermaid-svg-Zq4GUKCrulGjd1HU .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Zq4GUKCrulGjd1HU .arrowheadPath{fill:#333333;}#mermaid-svg-Zq4GUKCrulGjd1HU .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Zq4GUKCrulGjd1HU .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Zq4GUKCrulGjd1HU .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Zq4GUKCrulGjd1HU .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Zq4GUKCrulGjd1HU .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Zq4GUKCrulGjd1HU .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Zq4GUKCrulGjd1HU .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Zq4GUKCrulGjd1HU .cluster text{fill:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU .cluster span{color:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Zq4GUKCrulGjd1HU .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Zq4GUKCrulGjd1HU rect.text{fill:none;stroke-width:0;}#mermaid-svg-Zq4GUKCrulGjd1HU .icon-shape,#mermaid-svg-Zq4GUKCrulGjd1HU .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Zq4GUKCrulGjd1HU .icon-shape p,#mermaid-svg-Zq4GUKCrulGjd1HU .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Zq4GUKCrulGjd1HU .icon-shape .label rect,#mermaid-svg-Zq4GUKCrulGjd1HU .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Zq4GUKCrulGjd1HU .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Zq4GUKCrulGjd1HU .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Zq4GUKCrulGjd1HU :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 带时间戳 RGB-D+位姿历史
因果 4D 记忆

版本化实体
连续时间 Transformer
持久--迁移信念

含 unknown
事件驱动滤波
在线 RGB-D
可见性条件证据
按 ETA 预报占用
冻结 VLM 选工具
短程导航/检查/探索

6. 实验与结论

设定	关键数字（记主结论）
EvoWorld N1--N5	First-Inspection SR 61.32% （DynaMem 45.33%）；Search SR 86.18%（71.94%）
N4 执行中动态	Dynamic SR 65.2% vs PredictiveGraphs 46.8%；Recovery 58.7% vs 36.7%
配对世界	routine 相对 Last Seen 增益大（约 +22pp）；random 小；静态世界甚至可能不如 Last Seen
FindingDory	HL-SR 53.22%（所列最高之一）
真机	DEEP Robotics LYNX M20 等 64 场匹配试验；平台自带感知/低层栈

消融：保留不确定性（unknown）、可见性感知更新、到达时刻预报------都重要。

局限（读后）

强依赖「可学的时间规律」；纯随机挪动优势缩小。
定位/建图质量是外置前提；位姿坏了投影与覆盖估计一起坏。
主叙事是 portable object search；不是端到端 VLN 指令跟随专精。

7. 要点总结

地图准 ≠ 世界没变；过期「最后看见处」是常见失败。
创新在 4D 信念滤波，不在新 SLAM。
空检要乘可见性；遮挡不等于否定。
对不同候选用各自到达时间比概率。

8. 开放问题

开源代码里真机位姿后端具体是哪套 SLAM？
家居「茶几挪走」级动态是否够用，还是主要服务小物体？