得先公开更正一处,而且是这一轮里最不该犯的。当时翻了 abs 页与摘要,顺手把「摘要没给数」写成了「这套工作只拿路径点欧氏距离验收,没拿碰撞率与 SPL 说话」。回 HTML 全文逐格核过,这一步站不住。
摘要层那半句仍旧成立。arXiv:2611.17330,三位作者 Guangyuan Sui、Yunzhong Hou、Chi Harold Liu,v1 11 月 12 日 18:59:49 UTC,挂在 cs.RO 与 cs.CV。摘要交出的验收只有一句 Extensive experiments demonstrate the effectiveness of the ProtoVis-Nav framework and show substantial improvements over existing baselines——基准叫什么、成功率多少、碰撞率多少,一个没给,连指标名都没有,只有 predict accurate navigation waypoints 这类定性话。extensive 不是数。机制那层也确实没有像素:原文 we predict feature prototypes and use their linear combination to estimate the visual feature of the target region,交出的是一组原型按比例混成的向量,再拿它当上下文生成路径点;论文还专门写了 we do not use the future observation ... either as an entire frame or using its center,把「不生成整帧图」钉死。闭上眼伸手够杯子,胳膊知道往哪儿伸,脑子里并没有一张杯子的照片——这套做法差不多是这件事。
可正文层是另一回事。Evaluation metrics 那一节明列 NE、SR、OSR、SPL,HUGE-Bench 那栏还用 nDTW、CSPL 与 CR;Table 1 的 OpenUAV Seen Full 里 ProtoVis-Nav 是 SPL 44.68、Base 41.14,Unseen 那半边还有 27.53;Table 2 的 HUGE-Bench 报 CR 从 54.46 降到 39.76、SR 从 36.39 到 47.47,Table 3 另有 CR 34.41;基准名 OpenUAV、HUGE-Bench、UAV-Flow 一个不缺,连 near-collision rate 与 0.5 / 1.0 / 1.5 米 clearance 阈值都摆着,专门量擦墙。Euclidean distance 甚至没作为独立指标名出现,与路径点相关的是 mean waypoint error 与 PVI–GT / PVI–WP / WP–GT 的 pixel-distance alignment。
所以「风险挂在墙上,验收就该拿碰撞率与 SPL 说话」作为要求没错,作为对这篇论文的指控就扣错了锅:采集帖只搬了摘要那句漂亮话,人家正文一栏栏贴齐了。真正还值得追问的在细处——Table 2 的 nDTW p 值 0.3242 并不显著,换一批没见过的光照,那组线性组合还指不指得对落点,以及这些指标各在什么条件下测的。摘要没给,不等于一手没写;这句得记牢。
下面这一段是当时写的,一字未改。
闭上眼伸手够杯子,胳膊知道往哪儿伸,脑子里并没有一张杯子的照片。这个动作里藏着一件小事:你没在预测图像,你在预测手该去的位置。ProtoVis-Nav 说的「想象」差不多是这件事,模型交出一组特征原型,线性组合之后估出下一个落点的局部视觉特征,再把这个向量当上下文吐出路径点,全程没有像素。名字起得漂亮,代价是读者容易把几个向量看成一张画。
效果那一栏只有一句 substantial improvements over existing baselines(2611.17330 摘要,11 月 12 日挂出,三位作者)。基准叫什么、成功率多少、碰撞率多少,一个字没给。采集帖连 extensive experiments 也照抄了过来,可惜 extensive 不是数。可论文开篇第一句自己写着,3D 运动预测里的小误差会导致偏航甚至碰撞。风险既然挂在墙上,验收就该拿碰撞率和 SPL 说话,只报路径点的欧氏距离不够。走廊里偏半米是擦墙,空地上偏半米什么也不是。
下一根钉子:换一批没见过的光照,看那组线性组合还指不指得对落点,以及有没有人肯把碰撞次数贴出来。