无需训练，更佳飞行：面向无人机导航的测试时扩展视觉语言模型

测试时扩展为提升视觉语言模型推理性能提供了新途径。针对现有无人机视觉语言导航依赖单次推理、在复杂环境中易生成次优轨迹的问题，本文提出一种无需额外训练的迭代优化方法。该方法通过生成多个并行候选方案并执行自校正步骤，引导模型重新评估初始导航计划。此外，设计了基于安全性、目标一致性和前进进度的多标准评分函数以强化决策。实验表明，该方法使冻结模型能自我修正，生成更精准可靠的飞行计划，达到该任务的最先进水平。