OpenFlyV2 机载视觉-语言-动作模型论文发布

论文作者发布 OpenFlyV2，一个统一机载视觉-语言-动作模型，用共享视觉-语言表示在单一模型中完成语义理解、语言定位感知、空间推理与连续飞行控制。 作者称，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。作者表示代码将在 https://github.com/Ideal-ljl/AeroBrain 公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。