VISTA：通过动作历史条件化实现尺度感知视觉导航

VISTA 提出基于动作历史条件化的尺度感知视觉导航架构，用 DINOv3 ViT-S（42M 参数）编码器把预测锚定到物理尺度。在五个真实场景零样本评估中，VISTA 在 Outdoor、Forest、Office-Lab 目标预测成功率达 100%，路径跟随平均通过 95% 拓扑检查点，并在 Office-Lab 唯一通过窄门框；未用动作历史的版本能识别门却系统性碰撞。