摘要
无人机视觉语言导航旨在使空中智能体在开放3D环境中根据自然语言指令进行导航。现有方法面临指令相关地标语义接地弱、长历史利用不足以及在局部陷阱中决策不稳定等问题。为此,我们提出了一种统一的语义到决策框架。首先,通过指令接地语义增强模块注入对象级语义和相对空间线索;其次,开发相关性感知的动态时间聚合策略,重加权全历史缓冲区并将高相关帧转化为结构化地标提示;最后,设计拓扑感知决策方法,结合局部最优认知与群体相对策略优化。实验表明该方法在AerialVLN和OpenFly基准上达到最先进性能。
AI 推荐理由
论文核心解决长视距导航中的任务分解、历史利用及决策优化,直接对应规划能力。
研究机构
虚拟现实技术与系统国家重点实验室, 北京航空航天大学, 北京, 中国
计算机科学与工程学院, 北京航空航天大学, 北京, 中国
论文信息