跳到正文
arXiv · 机器人与计算机视觉· Haotian Xu, Yue Hu, Zhengqiu Zhu, Tuo Feng, Wenguan Wang, Quanjun Yin·· 13 小时前AI 评分72

CityNav-VLA:面向城市空中导航的双帧视觉语言动作模型

Allocentric Memory, Egocentric Acting: A Dual-Frame VLA for Urban Aerial Navigation

AI 导读

该论文提出了 CityNav-VLA,一种用于城市空中导航的视觉 - 语言 - 动作(VLA)模型。其核心创新在于整合动态地心感知与持久的allocentric空间记忆,将飞行中收集的观测累积到固定北向地图上以支持长程导航。

来源:arXiv · 机器人与计算机视觉 · arxiv.org