Compact Bellman-Grounded Cognitive Maps for Cost-Aware Navigation
本文提出一种紧凑的贝尔曼接地认知地图（BCM），通过自监督贝尔曼接地目标和紧凑坐标编码，将可重用的认知地图建立在局部边成本之上，支持无需每目标重新训练的目标查询。在最大节点数为 1600 的加权网格上，BCM 保持完全成功率且与精确 Dijkstra 搜索的平均 Gap 仅为 5%，而基于连通性的谱基线约为 45%。随着图规模从 400 增长至 3600，其内存占用呈次线性增长并维持竞争性性能，展现出对复杂环境的可扩展性。该方法将加法路线成本写入紧凑、可重用的认知地图表示中，弥合了生物灵活性与最优路径规划之间的差距。