提升無人機導航可靠性：具備不確定性感知能力的空中影像目標導航世界模型

本研究提出 UA-NWM 框架，將導航軌跡評分建模為條件式分布外偵測，利用不確定性子空間有效處理戶外環境的複雜預測，在維持低延遲的同時大幅提升導航準確度與穩健性。

Problem

目前的無人機影像導航世界模型多依賴單一或少數點預測來評分路徑，然而在廣闊的戶外環境中，未來的狀態具有高度不確定性，傳統方法難以精確衡量預測路徑與目標圖像之間的落差。

提出「不確定性感知導航世界模型」（UA-NWM），將軌跡評分轉化為條件式分布外（OOD）偵測任務。該模型透過不確定性子空間呈現多種可能的未來，並將預測與目標間的差異拆解為「可解釋的不確定性」與「不可解釋的殘差」，僅以殘差作為評分依據。

實驗證實 UA-NWM 在導航效能上穩定優於現有的世界模型，且具備極低的推論延遲。研究團隊進一步透過真實世界的無人機飛行實驗，驗證了此方法在實際應用場景中的可行性與穩健性。

這項研究解決了大規模戶外導航中未來狀態難以預測的痛點。透過創新的不確定性分解機制，無人機無需多次採樣即可在複雜環境中做出精準決策，為自主飛行系統提供了一種高效且可靠的技術框架。