arXiv cs.AI· Haoxiang Tang, Dong Zhou, Shen Tan, Minxuan Jiang, Xitong Li·· 11 小时前AI 评分24
SP-Guide：用空间先验增强空中视觉语言导航
SP-Guide: Enhancing Aerial Vision-Language Navigation with Spatial Priors
AI 导读
SP-Guide 是一个基于 Transformer 的目标预测框架，通过空间先验跨模态编码器、指令增强解码器和目标收敛过滤器提升空中视觉语言导航性能。在 CityNav 基准上，其成功率超过代表性基线，且在未见环境中的提升最大。结果表明，物理落地的空间先验为鲁棒的 AVLN 提供了有效的归纳偏置。
正文 · AI 翻译
摘要：空中视觉语言导航（AVLN）要求无人机从部分自我中心观测中到达语言描述的目标，同时在大范围户外场景中进行推理。现有方法通常将以视图为中心的 RGB 观测和全局锚定的历史地图融合为通用视觉嵌入，将跨模态空间对齐留给稀疏的导航监督来学习。我们提出 SP-Guide，一个基于 transformer 的目标预测框架，通过空间先验跨模态编码器、指令增强解码器和用于终端目标细化的目标收敛滤波器来解决对齐方面的这一弱点。在 CityNav 基准上实现的实验表明，SP-Guide 相比代表性基线提高了成功率，在未见环境上的提升最大。这些结果表明，物理基础的空间先验为稳健的 AVLN 提供了有效的归纳偏置。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.32697 [cs.CV] |
| （或此版本的 arXiv:2610.32697v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2610.32697 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Haoxiang Tang [查看电子邮件]
[v1]
2026 年 10 月 23 日星期五 14:21:58 UTC（2,683 KB）
来源：arXiv cs.AI · arxiv.org