論文の概要: Towards Precise Intent-Aligned VLA Aerial Navigation via Expert-Guided GRPO

• arxiv url: http://arxiv.org/abs/2606.02313v1
• Date: Mon, 01 Jun 2026 14:31:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.283579
• Title: Towards Precise Intent-Aligned VLA Aerial Navigation via Expert-Guided GRPO
• Title（参考訳）: 専門家誘導GRPOによる精密入射VLA航法に向けて
• Authors: Tianyang Chen, Wenjun Li, Xin zhou, Yuze Wu, Fei Gao,
• Abstract要約: VLAに基づく航空ナビゲーションのための効率的な強化学習フレームワークを提案する。 その中核として,数ショットのエキスパートデータでオンラインロールアウトを拡大するEG-GRPOを提案する。 複雑な人間の意図によって指定された複数のタスクに対して、EG-GRPOは成功率をSFTベースラインの2.13倍に改善し、インテントアライメント性能を60.9%向上させた。
• 参考スコア（独自算出の注目度）: 10.368821738661707
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language-Action (VLA) models offer a promising end-to-end paradigm for unmanned aerial vehicles (UAVs) to accomplish complex tasks specified by fine-grained instructions. However, standard supervised fine-tuning (SFT) suffers from data scarcity, limited generalization, and weak supervision for nuanced and complicated human intents. Reinforcement fine-tuning offers a natural way to mitigate these challenges and align policy behaviors with human intents through designable feedback, but applying it to aerial navigation remains challenging due to inefficient exploration in expansive continuous spaces. To address these challenges, we introduce an efficient reinforcement learning (RL) framework for VLA-based aerial navigation. At its core, we propose EG-GRPO (Expert-Guided Group Relative Policy Optimization) to augment online rollouts with few-shot expert data. Additionally, we design a heterogeneous pipeline enabling parallel simulation and inference, which reduces rollout time by 43.5%. Across multiple tasks specified by complex human intents, EG-GRPO improves the success rate to 2.13x that of the SFT baseline, while improving intent alignment performance by 60.9%. These results demonstrate that our framework can move aerial navigation toward precise intent-aligned flight.
• Abstract（参考訳）: VLA(Vision-Language-Action)モデルは、無人航空機(UAV)が細かな指示によって指定された複雑なタスクを達成するための、有望なエンドツーエンドのパラダイムを提供する。 しかし、標準的な教師付き微調整(SFT)は、データ不足、限定的な一般化、微妙で複雑な人間の意図に対する弱い監督に悩まされている。 強化微調整は、これらの課題を緩和し、設計可能なフィードバックを通じて政策行動と人間の意図を整合させる自然な方法を提供するが、拡張性のある連続空間における非効率な探索のため、それを航空航法に適用することは依然として困難である。 これらの課題に対処するために,VLAに基づく航空航法のための効率的な強化学習(RL)フレームワークを導入する。 本研究は,EG-GRPO (Expert-Guided Group Relative Policy Optimization) を提案する。 さらに、並列シミュレーションと推論が可能な異種パイプラインを設計し、ロールアウト時間を43.5%削減する。 複雑な人間の意図によって指定された複数のタスクに対して、EG-GRPOは成功率をSFTベースラインの2.13倍に改善し、インテントアライメント性能を60.9%向上させた。 これらの結果から,本フレームワークは航空航法を正確に整列飛行に向けることが可能であることが示唆された。

関連論文リスト

• HiPAN: Hierarchical Posture-Adaptive Navigation for Quadruped Robots in Unstructured 3D Environments [13.984002802852638]
  非構造型3D環境における四足歩行ロボットの移動は、目標指向の動作、局所的なミニマから脱出するための効果的な探索、横幅の狭い高さ制限された空間への姿勢適応など、大きな課題を生んでいる。 本報告では,階層型姿勢適応ナビゲーション(HiPAN, Hierarchical Posture-Adaptive Navigation)を提案する。 HiPANは、古典的なリアクティブプランナーやエンドツーエンドのベースラインよりも、明度の高いナビゲーション成功率とパス効率を実現しています。
  論文  参考訳（メタデータ） (2026-04-29T10:08:48Z)
• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• $π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation [14.43820301560473]
  本研究では,操作を前提としたVLAの空中ピックアップ・アンド・プレイスタスクへの転送可能性を検討するシステムであるAirVLAを紹介する。 この"ダイナミックスギャップ"を埋めるために、ポリシのフローマッチングサンプリングプロセスに直接ペイロード制約を注入するPayload-Aware Guidanceメカニズムを導入します。 本手法は460個の実世界の累積実験により評価し,この合成データが性能の鍵となることを実証した。
  論文  参考訳（メタデータ） (2026-03-26T05:19:54Z)
• Trajectory-Diversity-Driven Robust Vision-and-Language Navigation [39.4949197412916]
  VLN(Vision-and-Language Navigation)は、自然言語の指示に従い、エージェントがフォトリアリスティックな環境をナビゲートする必要がある。 目標指向ナビゲーションポリシを学習する強化学習フレームワークであるNavGRPOを提案する。 ベースラインよりも+14.89%のSPL向上を示し、目標指向のRLトレーニングがより堅牢なナビゲーションポリシーを構築することを確認した。
  論文  参考訳（メタデータ） (2026-03-16T14:46:54Z)
• Hierarchical Reinforcement Learning for Cooperative Air-Ground Delivery in Urban System [41.96919926267983]
  本研究では,階層型強化学習フレームワークHRL4AGを提案する。 具体的には、HRL4AGは高レベルのマネージャを使用して、共同アクション空間を分解することでスケーラビリティのボトルネックに取り組む。 2つの実世界のデータセットと評価プラットフォームの実験は、HRL4AGが最先端のベースラインを大幅に上回ることを示した。
  論文  参考訳（メタデータ） (2026-02-13T13:19:59Z)
• VLA-AN: An Efficient and Onboard Vision-Language-Action Framework for Aerial Navigation in Complex Environments [12.689250855332569]
  VLA-ANは、複雑な環境での自律ドローンナビゲーションに特化したフレームワークである。 既存の大型航法モデルの4つの大きな制限に対処する。 シングルタスクの成功率は98.1%に達する。
  論文  参考訳（メタデータ） (2025-12-17T10:02:55Z)
• Towards Deviation-Robust Agent Navigation via Perturbation-Aware Contrastive Learning [125.61772424068903]
  視覚言語ナビゲーション(VLN)は、エージェントに与えられた言語命令に従って実際の3D環境をナビゲートするように要求する。 本稿では,既存のVLNエージェントの一般化能力を高めるために,PROPER(Progressive Perturbation-aware Contrastive Learning)と呼ばれるモデルに依存しない学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-03-09T02:34:13Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
  VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。 VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。 本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
  論文  参考訳（メタデータ） (2019-11-17T18:02:51Z)

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。