論文の概要: Can Aerial VLA Models Cooperate? Evaluating Closed-Loop Air-Ground Coordination with CARLA-Air

• arxiv url: http://arxiv.org/abs/2605.31066v1
• Date: Fri, 29 May 2026 09:36:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.513855
• Title: Can Aerial VLA Models Cooperate? Evaluating Closed-Loop Air-Ground Coordination with CARLA-Air
• Title（参考訳）: 航空VLAモデルは協調できるか?-CARLA-Airによる閉ループ空域調整の評価
• Abstract要約: 単UAV能力が地上協力に移行できるかどうかについて検討する。 1つのUnreal Engineランタイム内にCARLAとAirSimを統合するシングルプロセス評価環境であるCARLA-Airを使用する。 その結果、現在の航空VLAモデルは、しばしば地上のパートナーを追跡したり追ったりすることができるが、この単一エージェントの能力を安定した協調行動に変換するのに苦労していることがわかった。
• 参考スコア（独自算出の注目度）: 2.061094726550731
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent aerial vision-language-action (VLA) models show promising single-UAV capabilities, such as tracking moving objects and navigating to language-specified landmarks. However, it remains unclear whether these capabilities can transfer to air-ground cooperation, where a UAV and a UGV must act jointly in a shared, closed-loop physical world. We study this question with CARLA-Air, a single-process air-ground evaluation environment that unifies CARLA and AirSim inside one Unreal Engine runtime. By sharing the same world state, physics tick, and sensing pipeline, CARLA-Air enables physically consistent UAV--UGV interaction and precise measurement of simulation-timestamp alignment and effective coordination latency. Using CARLA-Air, we evaluate representative aerial VLA and planning baselines on two complementary diagnostic tasks: moving-platform landing and occlusion-recovery escort. The results show that current aerial VLA models can often track or follow a ground partner, but struggle to convert this single-agent competence into stable cooperative behavior. State prompting provides limited benefit, and naive bidirectional interaction fails to consistently improve performance and can amplify errors for most baselines. These findings suggest that, under the tested text-based cue interfaces, zero-shot cooperative air-ground VLA requires three components beyond the current paradigm: explicit partner-state grounding, low-latency action coordination, and team-level objective alignment. Our code is available at https://github.com/louiszengCN/CarlaAir.
• Abstract（参考訳）: 近年の空中視覚言語アクション(VLA)モデルでは、移動物体の追跡や言語指定のランドマークへのナビゲートなど、単一のUAV機能が期待できる。 しかし、UAVとUGVが共有された閉ループの物理的世界で共同で行動しなければならないため、これらの能力が地上協力に移行できるかどうかは不明だ。 本研究では,CARLAとAirSimを1つのUnreal Engineランタイム内で統合する単一プロセスの地上評価環境であるCARLA-Airを用いて,この問題を考察する。 CARLA-Airは物理的に一貫したUAV-UGV相互作用とシミュレーション・タイムスタンプのアライメントと効果的な調整遅延の正確な測定を可能にする。 CARLA-Airを用いて,移動プラットフォーム着陸とオクルージョン・リカバリ・エスコートという2つの相補的診断課題に対して,航空VLAと計画ベースラインの評価を行った。 その結果、現在の航空VLAモデルは、しばしば地上のパートナーを追跡したり追ったりすることができるが、この単一エージェント能力を安定した協調行動に変換するのに苦労していることがわかった。 状態プロンプトはメリットが限定的であり、双方向の対話は一貫してパフォーマンスを改善することができず、ほとんどのベースラインでエラーを増幅することができる。 これらの結果から, テストされたテキストベースキューインタフェースの下では, ゼロショット協調空対地VLAは, 明確なパートナー状態の接地, 低レイテンシ動作調整, チームレベルの客観的アライメントという, 現行のパラダイムを超える3つのコンポーネントを必要とすることが示唆された。 私たちのコードはhttps://github.com/louiszengCN/CarlaAir.comから入手可能です。

関連論文リスト

• Air-Ground Collaborative Vision-and-Language Navigation via Shared Bird's-Eye Maps [23.62701600758693]
  VLN(Var-ground collaborative Vision-and-Language Navigation)は、無人航空機(UAV)とグローバルな鳥眼ビュー、無人地上車両(UGV)と、ローカルなファーストパーソンビューのペアである。 AGC-VLN(Air-Ground Collaborative VLN, Air-Ground Collaborative VLN)は,空対地共同VLNのためのトレーニングフリーベースラインである。 CARLA-Air's Town10HDシーンにおける100回の閉ループエピソードにおいて、AGC-VLNは77.0%のジョイント成功率に達し、より弱い個々のエージェントに対して+27.0%のコラボレーションゲインを得た。
  論文  参考訳（メタデータ） (2026-09-03T07:38:41Z)
• VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
  VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。 CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
  論文  参考訳（メタデータ） (2026-09-02T11:32:52Z)
• Afford-VLA: Action-Aligned Visual Planning via Internalized Affordance [108.46436073194546]
  効果的なプランニングは、ローカルで、視覚的に基礎があり、内部で生成され、アクションと直接整合するべきである、と私たちは主張する。 本稿では,タスク条件付きアベイランスをVLAモデル内で明示的な視覚的計画インターフェースとして内包する統合フレームワークであるAfford-VLAを提案する。
  論文  参考訳（メタデータ） (2026-05-22T20:43:47Z)
• CARLA-Air: Fly Drones Inside a CARLA World -- A Unified Infrastructure for Air-Ground Embodied Intelligence [2.061094726550731]
  CARLA-Airは、1つのUnreal Engineプロセス内に高忠実度都市運転と物理精度のマルチロータ飛行を統合するオープンソースのインフラである。 CARLA-Airは、共有物理ティッチとレンダリングパイプライン内で、ルールに準拠したトラフィック、社会的に認識された歩行者、空力的に一貫性のあるUAVダイナミクスを備えた環境を提供する。
  論文  参考訳（メタデータ） (2026-03-30T04:49:29Z)
• AIR-VLA: Vision-Language-Action Systems for Aerial Manipulation [15.824903784302562]
  VLA(Vision-Language-Action)モデルは、地上ベースのインボディードインテリジェンスにおいて顕著な成功を収めた。 エアリアル・マニピュレーション・システム(AMS)への彼らの応用は、まだほとんど探索されていないフロンティアである。 航空操作に適した最初のVLAベンチマークである textbfAIR-VLA を提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:09:00Z)
• SP-VLA: A Joint Model Scheduling and Token Pruning Approach for VLA Model Acceleration [70.72227437717467]
  VLA(Vision-Language-Action)モデルは、その強力な制御能力に注目が集まっている。 計算コストが高く、実行頻度も低いため、ロボット操作や自律ナビゲーションといったリアルタイムタスクには適さない。 本稿では,共同スケジューリングモデルとプルーニングトークンにより,VLAモデルを高速化する統一フレームワークSP-VLAを提案する。
  論文  参考訳（メタデータ） (2025-06-15T05:04:17Z)
• UAV-Flow Colosseo: A Real-World Benchmark for Flying-on-a-Word UAV Imitation Learning [39.07541452390107]
  無人航空機(UAV)は言語と対話するプラットフォームへと進化し、より直感的な人間とドローンの相互作用を可能にしている。 本研究では,この問題をFlying-on-a-Word(Flow)タスクとして形式化し,UAV模倣学習を効果的なアプローチとして導入する。 UAV-Flowは, 言語条件付き, きめ細かいUAV制御のための, 世界初の実世界のベンチマークである。
  論文  参考訳（メタデータ） (2025-05-21T16:31:28Z)
• Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
  航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。 本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
  論文  参考訳（メタデータ） (2025-03-10T07:00:07Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• Attention-based Reinforcement Learning for Real-Time UAV Semantic Communication [53.46235596543596]
  移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。 グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。 GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
  論文  参考訳（メタデータ） (2021-05-22T12:43:25Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。