OpenFlyV2：面向空中感知与导航的机载视觉-语言-动作模型

OpenFlyV2 在机载算力上实现视觉语言理解与闭环飞行控制统一。

资讯摘要

论文提出 OpenFlyV2，一种统一的机载视觉-语言-动作架构，用共享视觉-语言表征同时支持语义理解、语言定位感知、空间推理与连续飞行控制。紧凑动作专家将多模态上下文转为短时程航点，配合运动感知时序记忆与动作先验降低闭环计算开销。作者报告该模型在 NVIDIA Jetson Orin NX 上以 10 Hz 完全机载生成含 12 个航点的动作块，并从仿真零样本迁移至真实四旋翼，在四个真实环境中取得 48% 导航成功率。

要点速读

1. 论文构建约 7 万条导航轨迹和 6 万对视觉-语言指令-响应的仿真数据集。
2. 模型在 Jetson Orin NX 上以 10 Hz 机载生成每块 12 个航点的动作。
3. 作者报告仿真到真实四旋翼零样本迁移，四个真实环境导航成功率 48%，未用真实空中训练数据。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:16（北京时间）。