OpenFlyV2：面向空中感知与导航的机载视觉-语言-动作模型

OpenFlyV2 是一个统一的机载视觉-语言-动作模型，用共享的多模态表示在资源受限硬件上完成语义理解、语言定位感知、空间推理与连续飞行控制。模型在 NVIDIA Jetson Orin NX 上以 10 Hz 完全机载生成每段 12 个航点的动作块，并从仿真零样本迁移到真实四旋翼，在四个真实环境中取得 48% 的导航成功率。