OpenFlyV2机载视觉-语言-动作模型论文发布

OpenFlyV2 作者团队发布论文，提出一个统一的机载视觉-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、空间推理与连续飞行控制。 据论文称，模型在 NVIDIA Jetson Orin NX 上以 10 Hz 完全机载生成动作块，每段含 12 个航点；从仿真零样本迁移到真实四旋翼，在四个真实环境中取得 48% 导航成功率，且未使用真实空中训练数据。团队还构建了约 7 万条导航轨迹、6 万对视觉-语言指令-响应的仿真数据集，并表示代码将在 GitHub 公开。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。