OpenFlyV2机载VLA模型实现无人机导航

OpenFlyV2 作者团队提出统一的机载视觉-语言-动作架构，用共享视觉-语言表征在单一模型中支持语义理解、语言定位感知、空间推理与连续空中控制。作者称，该模型在 NVIDIA Jetson Orin NX 上完全机载运行，以 10 Hz 生成每块 12 个航点的动作块。 作者构建了基于仿真的数据集，含约 7 万条导航轨迹和 6 万对视觉-语言指令-响应。据其报告，模型在无真实空中训练数据的情况下从仿真零样本迁移到实体四旋翼，在四个真实环境中取得 48% 的导航成功率。 该工作为 arXiv 预印本，尚未经同行评议；代码计划在 https://github.com/Ideal-ljl/AeroBrain 公开。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。