毕业项目：构建你自己的空间世界模型
为什么重要
路线 B 的每个模块都给了你一块积木（几何、表示、估计、记忆、行动）。Capstone 要求你把它们组装成一个从原始视频到可查询世界再到行动评估的完整系统——这才是"空间智能工程师"的定义。
直观理解
Capstone 的最小闭环：视频进、表示存、查询出、任务评。四个环节都要有，质量可以取舍。
核心思想
路线 B Capstone 的默认形态：从多视角视频构建一个可查询的持久 3D/4D 场景表示，并在导航或操作任务上评估其价值。与 路线 A Capstone 共享同一约束——显式定义 state / transition / action interface / evaluation criteria——但"state"在这里是空间表示（占据栅格、高斯场、scene graph 任选），"transition"是场景随时间/交互的更新规则。
三个建议选题梯度（按工作量递增）：
- 静态场景 + 导航评估：手机绕拍场景 → COLMAP 位姿 → 3DGS/占据地图 → 在给定目标点上演示规划查询（渲染检查可视性、占据检查碰撞）。工作量集中在管线整合。
- 动态场景 4D 表示：单目动态视频 → 4D 高斯/形变 NeRF → "任意时刻 + 任意视角"查询接口 → 与静态重建做定量对比（PSNR、跟踪一致性）。
- 表示驱动的下游任务：在仿真导航/操作任务中，对比"用你的表示做规划"与"端到端策略"的成功率——直接回答"显式空间世界模型值不值"这个研究问题。
评估要求与 路线 A 相同：报告必须包含标准化评估章节（定位用 ATE/RPE、表示用 PSNR/渲染质量、任务用成功率 + 失效模式分析），不许只有 demo 视频。
关键概念
- 可查询接口：表示的价值由它支持的查询定义（渲染/碰撞/语义）。
- 管线整合：感知 → 表示 → 查询 → 任务的端到端责任。
- 定量评估文化：ATE/RPE、PSNR、成功率、失效模式。
- 四要素声明：与 路线 A Capstone 共享的硬约束。
- 三档选题：静态导航 / 动态 4D / 下游任务对比。
核心公式
本模块以系统设计为主——你的报告中 state（如占据场 ）与查询接口（如碰撞查询 ）应写成显式数学形式。
大学课程
| 课程 | 参考 | 链接 |
|---|---|---|
| UPenn CIS 6280 World Models | Final Project 四里程碑与四要素约束 | 课程主页 |
| MIT 16.485 VNAV | EuRoC 数据集 + evo 的定量评估文化 | 课程主页 |
论文
依选题而定（proposal 中列出 3–5 篇直接相关论文）：
- 方向参考：3DGS（arXiv:2308.04079）之于方向 1；Dynamic 3D Gaussians（arXiv:2310.08528）之于方向 2；CMP（arXiv:1702.03920）之于方向 3。
动手实践
本模块即最终的 Hands-on。前置依赖：完成 Lab 5–8 中至少两个（开发中），以及 Lab 10 的评估方法（开发中）。
自测
- 为什么"可查询接口"比"表示本身"更能定义 Capstone 的价值？
- 方向 3 的对比实验设计上最大的陷阱是什么？
- 失效模式分析为什么和成功率数字同样重要？
显示答案
- 一个高斯场如果只是"能渲染视频"，它只是重建结果；定义了查询接口（碰撞、可视性、语义检索）后，它才成为可被规划器与世界模型消费的"世界状态"。接口把表示从产物变成资源——这正是世界模型的定义方式。
- 不公平比较：显式表示路线若享受额外信息（真值位姿、更长的规划预算），结论无意义。必须统一观测输入、计算预算与评估协议，且报告置信区间——否则你证明的只是"信息多的方法更好"。
- 成功率是均值，失效模式是方差与尾部：真实部署死在长尾（反光表面、动态遮挡、薄结构）。失效模式分析既暴露表示的系统性弱点（指导下一版迭代），也界定系统的安全运行域——这是工程报告与研究论文共通的成熟标志。
要点回顾
- 路线 B Capstone = 视频进、表示存、查询出、任务评的最小闭环。
- 显式定义空间 state 与查询接口，价值由可支持的下游任务度量。
- 定量评估与失效模式分析是交付物的另一半，与系统同等重要。
下一模块
路线 B 已完成。回看全局地图见 Start Here；想理解空间表示之上的预测与规划理论，推荐补 路线 A 模块 09：基于世界模型的规划。