論文の概要: AeroDASH: Asynchronous Vision-Language-Action Control for Continuous UAV Flight
- arxiv url: http://arxiv.org/abs/2610.25407v1
- Date: Sun, 18 Oct 2026 17:05:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 21:27:26.192415
- Title: AeroDASH: Asynchronous Vision-Language-Action Control for Continuous UAV Flight
- Title（参考訳）: AeroDASH: 連続UAV飛行のための非同期ビジョンランゲージ・アクション制御
- Abstract要約: 本稿では,連続言語条件飛行のための非同期VLAフレームワークであるAeroDASHを提案する。
B-スプラインポリシーは、専門家によるデモンストレーションの微調整を通じて行われ、位置とヨーにおける連続的な軌道参照を提供する。
UAV-Flowテストセットでは、AeroDASHが76.56%成功し、OpenVLA-UAVとAeroDASH w/o GRPOをそれぞれ38.1ポイント、20.1ポイント上回った。
- 参考スコア（独自算出の注目度）: 15.331270326565345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Onboard inference latency creates a mismatch between the trajectories predicted by vision-language-action (VLA) policies and the ongoing motion of unmanned aerial vehicles (UAVs). We present AeroDASH, an asynchronous VLA framework for continuous language-conditioned flight. A B-spline policy is initialized through supervised fine-tuning on expert demonstrations, providing continuous trajectory references in position and yaw. During execution, trajectory fusion removes the expired prediction prefix and connects the remaining segment to the active reference with derivative continuity while limiting trajectory deformation. To account for deviations induced by asynchronous execution, execution-aware group relative policy optimization (GRPO) further adapts the policy using trajectory-level rewards. On the UAV-Flow test set, AeroDASH achieves a success rate of 76.56%, exceeding OpenVLA-UAV and AeroDASH w/o GRPO by 38.1 and 20.1 percentage points, respectively. Execution experiments show that AeroDASH sustains motion during inference and reduces acceleration, jerk, and speed fluctuations relative to asynchronous tracking of waypoint sequences. We further demonstrate language-conditioned flight with onboard inference and asynchronous trajectory execution. The code will be released upon acceptance.
- Abstract（参考訳）: オンボード推論レイテンシは、視覚言語アクション(VLA)ポリシーによって予測される軌道と、無人航空機(UAV)の進行中の動きのミスマッチを生成する。
本稿では,連続言語条件飛行のための非同期VLAフレームワークであるAeroDASHを提案する。
B-スプラインポリシーは、専門家によるデモンストレーションの微調整を通じて初期化され、位置とヨーにおける連続的な軌道参照を提供する。
実行中、トラジェクトリ融合は期限切れの予測プレフィックスを除去し、残りのセグメントをトラジェクトリ変形を制限するとともに、導関数連続性と活性参照に接続する。
非同期実行によって引き起こされる逸脱を考慮に入れ、実行対応グループ相対ポリシー最適化(GRPO)は、さらに軌道レベルの報酬を用いてポリシーに適応する。
UAV-Flowテストセットでは、AeroDASHが76.56%成功し、OpenVLA-UAVとAeroDASH w/o GRPOをそれぞれ38.1ポイント、20.1ポイント上回った。
実行実験により、AeroDASHは推論中に動きを持続し、ウェイポイントシーケンスの非同期トラッキングと比較して加速度、ジャーク、速度変動を減少させることが示された。
さらに、オンボード推論と非同期軌道実行による言語条件飛行を実証する。
コードは受理時にリリースされます。
関連論文リスト
- RAVEL: Asynchronous Rolling Inference for Flow-Based Vision-Language-Action Models [65.30288525352879]
フローベース視覚言語アクション(VLA)モデルは、汎用ロボット操作に非常に効果的である。
計算コストのかかるVLMエンコーディングとマルチステップ反復アクション生成に依存しているため、大きな遅延ボトルネックが生じる。
本稿では、VLMバックボーンとアクションエキスパートの両方の計算ボトルネックに対処する非同期推論フレームワークであるRAVELを用いて、この制限に対処する。
論文 参考訳（メタデータ） (2026-09-28T02:45:40Z) - Continuous Actions from Discrete Minds: Latent-Aligned Planning for End-to-End Autonomous Driving [9.355166979896115]
ラプラ(LaPla)は、視覚・言語・アクション統合フレームワークで、正確な動作実行のセマンティック理解を実現する。
LaPlaは競争力のあるオープンループ性能を実現し、最先端のVLA法と比較して、L2の長い水平誤差を15.52%削減した。
論文 参考訳（メタデータ） (2026-09-03T16:42:11Z) - FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。
FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
論文 参考訳（メタデータ） (2026-07-27T05:10:16Z) - DynFly: Dynamic-Aware Continuous Trajectory Generation for UAV Vision-Language Navigation in Urban Environments [55.73595346639892]
我々は高レベルナビゲーション推論と実行可能なUAV動作を橋渡しするDynFlyを提案する。
DynFlyはB-スプライン制御点空間のエキスパート軌道を表し、Spline-DiTジェネレータを用いて条件付き軌道生成を学習する。
OpenUAV UAV-VLNベンチマークの実験では、DynFlyは航法性能と軌道品質の両方を改善している。
論文 参考訳（メタデータ） (2026-06-30T13:33:48Z) - Think Like a Pilot: Fine-Grained Long-Horizon UAV Navigation [22.062997228195815]
言語誘導型UAVエージェントは、スムーズで物理的に実行可能な連続飛行コマンドを生成しながら、長い水平意味指示を実行しなければならない。
textbfFine-fine textbfLong-horizon textbf Instruction-textbfGuided benchmark for textbfHybrid UAV navigation and reasoning textbfTasks。
UAVエージェントにタスク実行状況とミッション計画に対するリアルタイム飛行中の推論能力を与えるため、我々は、
論文 参考訳（メタデータ） (2026-06-05T02:23:05Z) - TempoVLA: Learning Speed-Controllable Vision-Language-Action Policies [58.40033352838586]
既存のVision-Language-Action Model (VLA) は、トレーニングデモから1つの固定速度を継承するのみである。
予測された各行動の大きさが、ロボットの動きの速さをすでに支配していることを観察する。
我々はこの観測結果を、明示的な条件で実行速度を制御する単一のVLAであるTempoVLAに変換する。
論文 参考訳（メタデータ） (2026-06-04T17:59:40Z) - DEFLECT: Delay-Robust Execution via Flow-matching Likelihood-Estimated Counterfactual Tuning for VLA Policies [12.248643831532663]
DEFLECTは、非同期VLA制御の使用可能な遅延エンベロープを大幅に拡張し、高遅延状態(5-7制御ステップ)で+6.4の成功率を、最も長い遅延時間で実スケールVLAに移行すると+4.6とした。
論文 参考訳（メタデータ） (2026-05-19T03:14:11Z) - StreamingVLA: Streaming Vision-Language-Action Model with Action Flow Matching and Adaptive Early Observation [30.881585159777714]
視覚言語アクション(VLA)モデルは、自然言語による知覚と制御において例外的な性能を示した。
VLAモデルの高い計算コストは、大きな効率上の課題をもたらす。
本稿では,VLAステージ間で非同期並列化が可能なVLAを実現することを提案する。
論文 参考訳（メタデータ） (2026-03-30T15:23:27Z) - Amortizing Trajectory Diffusion with Keyed Drift Fields [2.5352713493505785]
キード・ドリフト・ポリシーズ (Keyed Drifting Policies) は、ドリフトフィールドの目標で訓練された1ステップの軌道生成装置である。
生成されたトラジェクトリを条件マッチングされたデータセットウィンドウに反映する。
1ステップの推論で高い性能を達成し、拡散サンプリングよりも計画遅延を大幅に低減する。
論文 参考訳（メタデータ） (2026-03-14T17:56:15Z) - Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。
我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
論文 参考訳（メタデータ） (2025-12-02T14:42:54Z) - FlowDrive: Energy Flow Field for End-to-End Autonomous Driving [50.89871153094958]
FlowDriveは、物理的に解釈可能なエネルギーベースのフローフィールドを導入し、セマンティックな前提と安全性をBEV空間にエンコードする新しいフレームワークである。
NAVSIM v2ベンチマークの実験では、FlowDriveが最先端のパフォーマンスを86.3で達成し、安全性と計画品質の両方において以前のベースラインを超えたことが示されている。
論文 参考訳（メタデータ） (2025-09-17T13:51:33Z)
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。