城市无人机导航拆成两套坐标:CityNav-VLA在未见测试集把终点误差降21.2%
核心概要
城市语言目标无人机导航要求飞行器按一句自然语言描述飞到目的地,而目标常在视野之外。CityNav-VLA把持续累积的北向地图记忆与随姿态变化的机体执行分开:冻结的多模态主干读取指令、当前观测与地图影像,检索记忆后在地图坐标中预测目标,再由确定性控制器换算成机体指令。在CityNav未见测试集上,其终点误差比此前最佳结果降低21.2%;同一数据集上成功率与路径效率的相对变化,摘要与引言给出的数值并不一致。
深度剖析
城市无人机导航把空间证据存进一张位置、朝向和尺度在整段飞行中固定的北向地图,目标在地图坐标中预测,动作再按当前位姿换算到机体坐标。 此前的语言目标空中导航要么在随视角变化的观测上做第一人称推理,要么把地图特征隐式融进策略网络,缺少对远距离目标的显式空间推理。 在CityNav未见测试集上,CityNav-VLA的终点误差比此前最佳结果低21.2%;在精修版CityNav上,相对HETT*的终点误差降幅为6.2%。同一数据集上成功率与路径效率的相对变化,摘要给出15.8%和30.9%,引言则给出路径效率26.1%,两处数值不一致。
每一步的查询由指令上下文、无人机状态和运动历史合成,通过交叉注意力从地图记忆中取回相关证据,输出一个地图坐标下的航点。 地图记忆把累积的RGB观测、地形高度、地标轮廓、已探索区域和飞行轨迹放在同一张网格上,并用度量坐标把每个格子锚定到固定物理位置。 在精修版CityNav全部2697个未见验证回合上关闭提前目标锁定做累积消融,加入导航地图特征带来的终点误差下降最大,度量坐标进一步改善终点精度,而其成功率与路径效率提升不具统计显著性。
提前目标锁定在推理阶段把最初若干次预测的逐坐标中位数固定为执行目标,不增加可训练参数。 不锁定时控制器在每一步都跟随当前预测,长航程中目标会随观测变化而漂移。 在CityNav未见测试集上,同一检查点启用锁定后成功率从22.16%升到26.59%、路径效率从21.15升到25.70,496个回合转为成功、261个回合失去成功;在未见验证集上成功率仅提高0.21个百分点且不显著。
启示与展望
评估覆盖CityNav与精修版CityNav的验证与未见测试划分,指标为终点误差、20米内成功率、轨迹覆盖率和路径效率;执行采用每步同时施加前向、侧向与垂直位移的连续控制,航向保持不变,每回合120次决策。
在未见验证集上,提前目标锁定只把成功率提高0.21个百分点且不显著,轨迹覆盖率还下降0.71个百分点;锁定也可能保留一个错误的早期估计,使后续观测揭示更好目的地时无法纠正,而缺少显式停止机制会让无人机经过目标后继续飞离。同一数据集上成功率与路径效率的相对变化,摘要与引言给出的数值不一致,引用时需注明出处。
