FLIGHT：細粒度長程指令導向的混合式無人機導航與推理基準
現有無人機視覺語言任務缺乏長程、細粒度控制。研究推出 FLIGHT 基準，提供多階段指令與 6‑DoF 軌跡標註，並以 FLIGHT VLA 架構結合低頻推理模型與高頻連續控制模型。實驗顯示新系統在多階段完成度與子目標遵循上明顯優於既有基線，提升了飛行推理與控制效能。
現有的視覺語言導航（VLN）與無人機視覺語言行動（VLA）測試，多採用離散或粗糙的動作指令，且多聚焦於短暫、原子級的機動，難以支援長程、細緻的語意指令與連續飛行控制。
FLIGHT 基準的設計
為填補此缺口，研究團隊推出 FLIGHT（Fine-grained Long-horizon Instruction-guided Hybrid UAV navigation and reasoning Tasks）基準。FLIGHT 包含兩大資料切分：細粒度 VLN 與長程 Flow，皆提供多階段指令與密集的 6‑DoF 軌跡標註，使無人機能在複雜任務中執行長時間的語意導向飛行。
FLIGHT VLA 非同步架構
為了讓無人機在飛行中即時推理任務狀態與規劃子目標，研究者設計了 FLIGHT VLA 架構，將低頻率的 Streaming Pilot 視覺語言模型（負責任務狀態推理）與高頻率的 diffusion 動作模型（負責連續控制）解耦。兩者以明確的「Pilot Reasoning」文字作為監督，該文字概述當前飛行狀態並預測下一子目標。
實驗結果
在閉環評估中，FLIGHT VLA 持續超越代表性 VLN 與 VLA 基線，表現在多階段任務完成度、子目標遵循率以及最終控制精度上皆有顯著提升。訓練後的 Streaming Pilot Reasoning VLM 亦提升了無人機影片推理的準確性，驗證了整體設計的有效性。
延伸閱讀
- 在有限維代數框架下解析 grokking：結構張量、嵌入與泛化機制
- Goldstone 類自由度讓等變深度網路自然穩定：跨層傳訊與長期記憶機制
- Kolmogorov–Arnold 網路（KANs）：揭示訓練動態、泛化與差分隱私下的限制
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
