See What I Need, Dream What I Want：构建在自建表征空间上的导航基础模型

📋总体概括

研究团队发布RepresentNav，一种导航基础模型，突破以往直接依赖视觉基础模型预训练表征的做法，由策略自身目标构建表征空间。其核心是Representation Residuals——一个紧凑三层Transformer，跨多个互补视觉基础模型的全部深度特征进行注意力聚合；同时引入「潜空间思维链」：每次动作前预测下一时刻场景表征，梦想与策略端到端联合训练，让模型既「看见所需」也「梦想所欲」。