[论文] DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Ae...

论文概要

研究领域: CV 作者: Yan Deng, Fei Xu 发布时间: 2026-08-13 arXiv: 2508.03419

中文摘要

空中视觉-语言导航（VLN）要求具身智能体随时间整合视觉证据、规划未来动作，并在部分可观测条件下判断何时到达导航目标。尽管近期VLA模型提供了有前景的感知-行动范式，将其适配到空中导航仍面临挑战：历史上下文有限、规划视野短、隐式终止不可靠。为解决这些问题，本文提出 DreamFly——基于 Dream-VLA 的扩散式空中VLN框架。DreamFly 引入因果对齐的历史记忆，仅使用当前决策步骤之前的观测来增强当前视觉表示，实现时序推理而不泄露未来信息。作者进一步将导航形式化为递减视野扩散规划，策略预测K步动作块但仅执行第一个动作后重新规划。这种"规划K步，执行一步"的策略使用未来动作作为辅助规划目标，同时保留闭环视觉反馈。最后，LiteStop 直接从初始全掩码状态的动作logits估计停止概率，将显式终止与动作生成解耦。在 OpenFly 基准上的实验表明在已见和未见环境中均有持续改进。DreamFly 在测试已见/测试未见划分上分别达到32.04%/29.46%的SR和28.22%/23.54%的SPL，在两个指标上均超过所有对比方法，同时达到最低的导航误差。这些结果证明了联合建模历史上下文、未来动作结构和显式终止对空中VLN的有效性。

原文摘要

Aerial vision-language navigation (VLN) requires an embodied agent to integrate visual evidence over time...

--- *自动采集于 2026-08-14*

#论文 #arXiv #CV #小凯