摘要
针对无人机视觉语言导航(UAV-VLN)中端到端策略在闭环执行中缺乏有效纠正监督的问题,本文提出RecoverFly框架。该框架采用基于标记级的强化学习进行稳定优化,通过回顾未解决的失败案例以加强纠正学习和样本利用,并结合两阶段长尾场景课程学习与参考策略正则化,以提升场景适应能力并保留已习得技能。在TravelUAV基准上的实验表明,RecoverFly在可见、未见地图及未见物体分割上均取得最佳性能,显著提升了成功率、鲁棒性和泛化能力。
AI 推荐理由
论文聚焦于无人机视觉语言导航中的动作规划与决策优化,通过强化学习提升多步任务执行能力。
研究机构
吉林大学
北京航空航天大学
清华大学
中关村学院
论文信息