StepNav：用于高效和多模态视觉导航的结构轨迹先验

视觉导航是自主系统的基本任务，但在杂乱且不确定的环境中生成可靠轨迹仍是核心挑战。最近的生成模型承诺实现端到端合成，但其对非结构化噪声先验的依赖往往导致不安全、低效或单一模态的计划，无法满足实时要求。我们提出 StepNav，一种新框架，通过引入由变分原理导出的结构化、多模态轨迹先验来弥合这一差距。StepNav 首先学习几何感知的成功概率场，以识别所有可行导航走廊。随后将这些走廊用于构建显式的多模态混合先验，以初始化条件 flow-matching 过程。该精炼形式为最优控制问题，包含显式的光滑性和安全性正则化。通过用以物理为基础的候选者取代非结构化噪声，StepNav 在显著减少的步骤数中生成更安全、更高效的计划。在仿真和真实世界基准实验中，StepNav 在鲁棒性、效率和安全性方面 consistently 优于最先进的生成式规划器，推动了实用自主导航中可靠轨迹生成。代码已发布于 https://github.com/LuoXubo/StepNav。