QuadAgent：视觉语言引导四旋翼敏捷飞行的响应式代理系统

我们推出了 QuadAgent，这是一种 无需训练 代理系统，用于由视觉语言输入引导的敏捷四旋翼飞行。与之前的端到端或串行代理方法不同，QuadAgent 使用异步多代理架构将高级推理与底层控制解耦：前台工作流代理处理活动任务和用户命令，而后台代理执行前瞻推理。该系统通过印象图（一种由稀疏关键帧构建的轻量级拓扑图）维护场景记忆，并通过基于视觉的避障网络确保安全飞行。仿真结果表明，QuadAgent 在效率和响应能力方面优于基线方法。现实世界的实验表明，它可以解释复杂的指令，推理周围环境，并以高达 5 m/s 的速度在杂乱的室内空间中导航。