論文の概要: UAV-Flow++: A Unified Suite for Benchmarking and Learning Language-Guided UAV Flight
- arxiv url: http://arxiv.org/abs/2611.17163v1
- Date: Thu, 12 Nov 2026 17:39:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.574163
- Title: UAV-Flow++: A Unified Suite for Benchmarking and Learning Language-Guided UAV Flight
- Title(参考訳): UAV-Flow++: 言語ガイドによるUAV飛行のベンチマークと学習のための統一スイート
- Abstract要約: 本研究では,UAVによる簡潔な自然言語命令を連続飛行行動に変換するタスクであるFlying-on-a-Word(Flow)を定式化する。
フローは原始的なモーションコマンドと複雑なオブジェクト・インタラクティブな振る舞いの両方を含み、動きの意図の理解と空間的コンテキストの接地を評価する。
実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物実物
- 参考スコア(独自算出の注目度): 54.06983269852731
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language-guided UAV navigation has largely focused on long-horizon route planning, leaving short-range, object-relative flight maneuvers underexplored. To address this gap, we formulate Flying-on-a-Word (Flow), a task requiring a UAV to convert concise natural-language instruction, egocentric visual observation, and current state dynamics into continuous flight actions. Flow encompasses both primitive motion commands and complex object-interactive behaviors, assessing motion intent comprehension and spatial context grounding. To enable policy learning and closed-loop evaluation, we introduce UAV-Flow, a comprehensive dataset comprising 30,692 expert-piloted real-world trajectories across eight distinct motion categories, alongside 10,109 simulation trajectories in the UAV-Flow-Sim environment equipped with task-specific completion criteria. Furthermore, we develop FlowVLA, which undergoes imitation pretraining on mixed real-sim demonstrations and online post-training via Tail-Aware GRPO (TGRPO). By leveraging group reward distributions, TGRPO effectively reinforces high-reward action sequences. Evaluated on 273 held-out UAV-Flow-Sim episodes, pretrained FlowVLA achieves a mean success rate of 75.58%, outperforming the strongest baseline by 6.72 percentage points, which TGRPO post-training further elevates to 93.16% with superior sample efficiency. Physical UAV experiments demonstrate robust execution of object-relative commands in both indoor and outdoor real-world scenes. Together, Flow establishes a novel benchmark and learning framework for language-conditioned flight maneuvers.
- Abstract(参考訳): 言語誘導型UAVナビゲーションは主に長距離ルート計画に重点を置いており、短距離で相対的な飛行操作は未調査のままである。
このギャップに対処するために、UAVが簡潔な自然言語命令、エゴセントリックな視覚観察、現在の状態ダイナミクスを連続飛行行動に変換するタスクであるFlying-on-a-Word(Flow)を定式化する。
フローは原始的なモーションコマンドと複雑なオブジェクト・インタラクティブな振る舞いの両方を含み、動きの意図の理解と空間的コンテキストの接地を評価する。
政策学習とクローズドループ評価を実現するために,タスク固有の完了基準を備えたUAV-Flow-Sim環境における10,109個のシミュレーショントラジェクトリとともに,8つの異なる動作カテゴリにわたる30,692個の専門家操縦現実世界トラジェクトリからなる包括的データセットUAV-Flowを紹介した。
さらに,多種多様な実物実演とオンラインポストトレーニングの模擬訓練をTail-Aware GRPO (TGRPO) 経由で行うFlowVLAを開発した。
群報酬分布を利用することで、TGRPOは効率的に高逆作用列を補強する。
273回のUAV-Flow-Simのエピソードを評価すると、事前学習したFlowVLAは75.58%の平均的な成功率に達し、TGRPOのポストトレーニングでは93.16%に上昇し、より優れたサンプル効率で最強のベースラインを6.72ポイント上回っている。
物理的UAV実験は、屋内と屋外の両方の現実世界のシーンにおいて、オブジェクト相対コマンドの堅牢な実行を実証している。
Flowは、言語条件の飛行操作のための新しいベンチマークと学習フレームワークを確立する。
関連論文リスト
- AeroDASH: Asynchronous Vision-Language-Action Control for Continuous UAV Flight [15.331270326565345]
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。
論文 参考訳(メタデータ) (2026-10-18T17:05:56Z) - 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) - 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) - FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。
非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。
条件設定では、太陽予測において優れた性能を達成している。
論文 参考訳(メタデータ) (2024-11-12T03:03:23Z) - 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。