SatNav 系统全景与运行闭环

SatNav 将一条语言导航任务连接到卫星场景、导航策略和评测指标。任务由 Episode 描述，SatSim 根据智能体位姿生成 RGB 观测，策略读取观测并返回动作；环境执行动作后产生新观测，直到策略停止或达到步数上限。

建议依次阅读本页、SatSim 观测原理、任务与评测原理和专家轨迹原理。运行第一个示例见运行示例。

1. 系统由哪些部分组成

环境与策略形成在线闭环；专家路径跟随使用同一环境生成离线训练数据。

组件	接收什么	负责什么
SatNavDataset / VLNEpisode	Episode JSON、场景目录	加载任务、解析场景，提供指令、起点、目标和参考路径
Env	Task 配置、Episode、动作	管理 Episode 生命周期、步数、终止状态和公共交互接口
VLNTask	Episode、Simulator	组织传感器、动作和指标计算
SatSimWrapper / SatSim	GeoTIFF、位姿、相机参数	将动作转换为地理状态更新，并渲染 RGB
PolicyAdapter	当前观测、Episode 上下文	管理模型输入、历史状态和动作队列，返回一个基础动作
Evaluator	Env、PolicyAdapter、评测配置	选择和分配 Episode、驱动交互、保存并汇总结果

Episode 中的 scene_id 是场景逻辑名称，例如 Amsterdam-1。Dataset 根据 SCENES_DIR 找到对应 GeoTIFF；其像素和地理坐标映射共同支撑观测生成。Episode JSON、场景影像和离线轨迹这三类数据的字段见数据格式。

2. 一次导航怎样运行

每条回路边表示一次观测或动作传递；一个模型查询可以通过动作队列服务多个环境 step。

1. Env.reset_to_episode() 加载场景，把智能体放在 Episode 起点并设置初始朝向，然后重置传感器与指标。

2. PolicyAdapter.reset() 清空上一个 Episode 的历史图像、循环状态和待执行动作。

3. PolicyAdapter.act(observation) 读取当前 RGB、指令以及模型需要的相对位姿，返回 PolicyStep。

4. Env.step(action) 执行一个基础动作，更新传感器与指标，返回新的 observation, done, info。

5. 若尚未结束，使用新观测继续决策；若结束，Evaluator 保存该 Episode 的记录。

例如，模型一次生成“前进、前进、右转”，adapter 可以将三步放入队列。接下来三次 act() 分别返回一个动作，环境也执行三次 step()，每一步都有自己的观测、步数和指标。队列耗尽后，adapter 再调用模型生成下一组动作。

Env 在执行 STOP 或达到 MAX_EPISODE_STEPS 时结束 Episode。Evaluator 还按自己的 max_steps 限制运行长度。进入目标成功半径后，策略继续决定何时停止；成功条件见任务与评测原理。

3. 连续状态与离散动作如何共存

智能体的位置由经度、纬度和高度表示，heading 是角度。基础动作包括 STOP、MOVE_FORWARD、TURN_LEFT、TURN_RIGHT。标准配置一次前进 10 m，转向 15°；前进方向由当前 heading 决定，因此轨迹由连续地理位置构成。

相机把当前位置附近的卫星影像转换成局部 RGB 观测。高度与 HFOV 控制可见范围，heading 控制旋转。智能体移动后，下一帧来自新的地图区域。具体几何关系见SatSim 观测原理。

4. 离线训练与在线评测如何连接

训练数据生产沿 Episode 的 reference_path 驱动 SatSim，保存 RGB 和专家动作。Classic 或 VLM 训练器随后读取这些文件，以指令和视觉观测预测专家动作。完成训练后，checkpoint 由相应的 PolicyAdapter 加载，在在线闭环中产生导航动作。

阶段	动作来源	观测来源	主要产物
专家轨迹生成	路径跟随器	SatSim 实时渲染	RGB JPEG、annotations.json
离线训练	专家动作提供监督	已保存的 RGB JPEG	模型 checkpoint
在线评测	导航策略预测	SatSim 按实际执行轨迹渲染	逐 Episode 记录与汇总指标

两条路径共享环境和动作语义。模型自己的图像采样、文本格式、历史记忆和优化器由各 baseline 实现。数据生产过程见专家轨迹原理，启动训练见训练指南。

5. 从原理到接口

想继续了解	阅读入口
reset / step、观测和动作参数	Core API
把自己的模型接入闭环	模型接入
选择 Episode、多进程运行与恢复	统一评测
查看模型和环境的实际交互	Viewer

实现入口：Env、VLNTask、SatSimWrapper、Evaluator。