LMPath：空中探索的语言介导的先验和路径生成

传统的自主无人机搜索任务依赖于几何覆盖模式，而忽略了目标的语义上下文，导致在大规模环境中浪费大量时间。在本文中，我们提出了 LMPath，这是一种利用语义为无人机 (UAV) 搜索任务生成语言介导的探索先验的管道。给定基本地理围栏和感兴趣的对象提示，LMPath 使用生成语言模型来确定环境的哪些区域应包含该对象，并在卫星图像上运行基础视觉模型以分割形成先验探索的子区域。然后，该先验可用于生成具有各种目标的无人机路径，例如最小化定位感兴趣物体的预期时间、最大化在给定有限行进距离的情况下找到该物体的概率，或者将搜索空间缩小到最有可能包含该物体的子区域。为了演示其功能，我们使用 LMPath 生成各种无人机路径，并使用真实的无人机在大规模环境中运行它们。我们还进行了模拟，以演示使用 LMPath 生成的路径如何优于搜索任务的传统路径规划方法。