摘要
空中视觉 - 语言导航（Aerial VLN）使无人机能遵循自然语言指令在复杂城市环境中导航。现有方法虽利用大规模记忆图和前瞻规划，但受限于指令理解浅层及高计算成本，且常忽略关键的方向线索。本文提出 LookasideVLN，一种利用自然语言方向线索以实现更精准空间推理和高效计算的新范式。该系统包含三个核心组件：动态编码地标及其方向关系的自我中心旁视图、提供轻量级记忆检索的空间地标知识库，以及对齐多模态信息以进行路径规划的旁视多模态大模型导航代理。实验表明，该方法显著优于最先进基线。
AI 推荐理由
论文核心提出基于方向线索的路径规划新范式，包含动态图编码与多步计划生成机制。
研究机构
Sun Yat-sen University
The Chinese University of Hong Kong
Centre for Perceptual and Interactive Intelligence
Cardiff University
Beihang University
Guangdong Key Laboratory of Big Data Analysis and Processing
论文信息