arXiv cs.AI· Marco S. Tayar, Felipe Tommaselli, Gianluca Capezzuto, Pedro Antonio Rabelo Saraiva, Pedro H. V. de Freitas, Lucas Kido, Guilherme Sonego, Ricardo V. Godoy, Marcelo Becker·· 14 小时前AI 评分38
VLN on the Fly：面向空中机器人的机载视觉语言导航栈
VLN on the Fly: An Onboard Vision-Language Navigation Stack for Aerial Robots
AI 导读
研究团队提出 VLN on the Fly，一套将指令 grounding、规划与控制保留为独立可检查阶段的机载视觉语言导航栈，由量化 VLM 将指令定位到图像粗网格、深度信息抬升为 3D 目标、快速 B 样条规划器生成可行轨迹，再由预训练强化学习策略输出电机指令。
正文 · AI 翻译
摘要：在飞行机器人上完全机载运行视觉语言导航十分困难，因为接地、规划与控制必须共享有限算力，且单阶段错误在飞行中难以隔离。端到端空中策略将这些阶段融合为一个网络，放弃了模块化架构所保留的可观测性与安全检查。我们提出 VLN on the Fly，一种将接地、规划与控制保持为独立、可检查阶段的机载架构。量化 VLM 将指令接地到粗略图像单元，深度将其提升为 3D 目标，快速 B 样条规划器返回可行轨迹，预训练强化学习策略将其跟踪为四旋翼的电机指令。在受控室内空间中针对三个日常参照物的 15 次机载飞行中，该架构在 15 次试验中的 13 次到达目标，平均目标误差 5.72 cm，平均 GPU 利用率为 39.3%。在另外 6 次杂乱环境试验中，该架构在机载感知门控下跟踪无碰撞轨迹。
| 评论： | 7 页，5 幅图。项目页面：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG）；系统与控制（eess.SY） |
| 引用为： | arXiv:2609.20191 [cs.RO] |
| （或 arXiv:2609.20191v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.20191 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Gianluca Capezzuto [查看邮箱]
[v1]
2026 年 8 月 7 日星期五 20:34:33 UTC（7,770 KB）
[v2]
2026 年 10 月 25 日星期日 00:46:44 UTC（7,772 KB）
来源：arXiv cs.AI · arxiv.org