OpenFlyV2实现无人机机载视觉语言动作控制
AI 总结
一篇于2026年10月29日提交至arXiv的论文提出OpenFlyV2,这是用于空中感知与导航的统一机载视觉-语言-动作架构。论文称,该模型可在NVIDIA Jetson Orin NX上以10 Hz机载运行,每次生成包含12个航点的动作块;在没有真实飞行训练数据的情况下,其在四个真实环境中的导航成功率为48%。作者还构建了一个仿真数据集,包含约70,000条导航轨迹和60,000组视觉-语言指令-响应对。
深度见解
论文报告单一模型可在资源受限硬件上结合语言感知、空间推理与连续飞行控制,并从仿真零样本迁移到实体四旋翼机。
Computer Science > Robotics
arXiv:2610.39287 (cs)
[Submitted on 29 Oct 2026]
Title:OpenFlyV2: An onboard vision-language-action model for aerial perception and navigation
Authors:Junli Liu, Zhongrui You, Chenhui Li, Zhen Li, Yuyang Tian, Qizhen Chen, Delin Qu, Haoming Song, Dong Wang, Xuelong Li, Zhigang Wang, Bin Zhao
View a PDF of the paper titled OpenFlyV2: An onboard vision-language-action model for aerial perception and navigation, by Junli Liu and 11 other authors