迎面有人走来时，只看对方现在站在哪儿还不够；你会顺手估计几秒后是否撞上。多数四足机器人导航策略却更像“看到危险再躲”：即使保留短期记忆，也不一定理解移动障碍接下来会去哪里。这项工作让机器狗在内部数字表示中预演短期局面，从单纯反应转向提前判断。
作者在强化学习导航策略——机器人靠奖励学习如何行动——的循环状态上加了一项预测练习：训练时，辅助模块要求当前内部状态预测下一时刻的内部状态。它不用生成未来视频，只在压缩后的表示里学习场景如何变化。真正部署时，这个辅助模块会被完全移除，因此控制器不增加参数和计算成本。作者自述，这种训练降低了动态障碍环境中的碰撞，并让策略未经微调便迁移到 Unitree Go2，在室内杂物和室外移动障碍场景中运行；论文材料未给出可在此引用的具体提升幅度。