OpenFlyV2机载视觉-语言-动作模型论文发布

Junli Liu等作者发布论文，提出OpenFlyV2——一个统一的机载视觉-语言-动作架构，用共享视觉-语言表征在单一模型中支持语义理解、语言定位感知、空间推理与连续飞行控制。 作者称，该模型在NVIDIA Jetson Orin NX上以10 Hz完全机载生成每块12个航点的动作块，并构建了约7万条导航轨迹和6万条视觉-语言指令-响应对的仿真数据集。论文表示代码将公开，但未给出具体地址。

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。