PERCEPTION
CosFly-VLA：一种用于无人机跟踪的空间感知视觉-语言-动作模型
Ruilong Ren, Songsheng Cheng, Yunpeng Zhou, Hanxuan Chen, Xiangyue Wang, Tianle Zeng, Shuai Yuan, Binbo Li, Hanzhong Guo, Ji Pei, Da Zhang, Kangli Wang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出CosFly-VLA，一种空间感知的视觉-语言-动作模型，用于在复杂城市环境中实现无人机动态目标跟踪。该模型通过结构化预测接口联合定位目标、估计其可见性并生成连续飞行动作，采用大规模数据预训练和课程式监督微调策略，有效解决了长期遮挡导致的跟踪失败问题。
关键词
UAV trackingvision-language-actionspatial awarenessocclusion handlingcurriculum learning
相关论文
PERCEPTION
📊 22,245 引用
Artificial intelligence: a modern approach
1995
PERCEPTION
📊 14,348 引用
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
PERCEPTION
开放获取📊 9,777 引用
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者
2016
PERCEPTION
📊 9,681 引用
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者
2013