Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.06564

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2507.06564 (cs)
[提交于 2025年7月9日 ]

标题: SkyVLN:城市环境中无人机的视觉-语言导航和NMPC控制

标题: SkyVLN: Vision-and-Language Navigation and NMPC Control for UAVs in Urban Environments

Authors:Tianshun Li, Tianyi Huai, Zhen Li, Yichun Gao, Haoang Li, Xinhu Zheng
摘要: 无人机(UAV)已成为各个领域中多功能的工具,这是由于它们的移动性和适应性。 本文介绍了SkyVLN,这是一种将视觉与语言导航(VLN)与非线性模型预测控制(NMPC)相结合的新框架,以提高无人机在复杂城市环境中的自主性。 与传统的导航方法不同,SkyVLN利用大语言模型(LLMs)来解释自然语言指令和视觉观察,使无人机能够在动态三维空间中更准确和稳健地导航。 我们提出了一种多模态导航代理,配备了细粒度的空间描述器和历史路径记忆机制。 这些组件使无人机能够消除空间上下文的歧义,处理模糊的指令,并在必要时回溯。 该框架还集成了一个NMPC模块,用于动态避障,确保精确的轨迹跟踪和碰撞预防。 为了验证我们的方法,我们使用AirSim开发了一个高保真度的3D城市仿真环境,包含逼真的图像和动态城市元素。 大量实验表明,SkyVLN显著提高了导航成功率和效率,特别是在新出现和未见过的环境中。
摘要: Unmanned Aerial Vehicles (UAVs) have emerged as versatile tools across various sectors, driven by their mobility and adaptability. This paper introduces SkyVLN, a novel framework integrating vision-and-language navigation (VLN) with Nonlinear Model Predictive Control (NMPC) to enhance UAV autonomy in complex urban environments. Unlike traditional navigation methods, SkyVLN leverages Large Language Models (LLMs) to interpret natural language instructions and visual observations, enabling UAVs to navigate through dynamic 3D spaces with improved accuracy and robustness. We present a multimodal navigation agent equipped with a fine-grained spatial verbalizer and a history path memory mechanism. These components allow the UAV to disambiguate spatial contexts, handle ambiguous instructions, and backtrack when necessary. The framework also incorporates an NMPC module for dynamic obstacle avoidance, ensuring precise trajectory tracking and collision prevention. To validate our approach, we developed a high-fidelity 3D urban simulation environment using AirSim, featuring realistic imagery and dynamic urban elements. Extensive experiments demonstrate that SkyVLN significantly improves navigation success rates and efficiency, particularly in new and unseen environments.
评论: 8页,9张图,已被IROS 2025接收
主题: 机器人技术 (cs.RO) ; 人工智能 (cs.AI); 系统与控制 (eess.SY)
引用方式: arXiv:2507.06564 [cs.RO]
  (或者 arXiv:2507.06564v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.06564
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Tianshun Li [查看电子邮件]
[v1] 星期三, 2025 年 7 月 9 日 05:38:32 UTC (2,124 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.SY
eess
eess.SY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号