DynFly：城市环境中无人机视觉语言导航的动态感知连续轨迹生成

多模态大型模型的最新进展通过增强高级感知和推理，显着改进了无人机视觉语言导航（UAV-VLN）。然而，现有方法主要集中于预测离散动作、局部目标或稀疏航路点，而从导航意图到可执行无人机运动的连续过渡仍然缺乏建模。这种运动界面间隙限制了生成的无人机轨迹的连续性、稳定性和可执行性。为了解决这一差距，我们提出了 DynFly，这是一种动态感知的连续轨迹生成框架，可以连接高级导航推理和可执行的无人机运动。 DynFly 通过轻量级轨迹生成层将高级导航意图和连续无人机运动联系起来。具体来说，它表示 B 样条控制点空间中的专家轨迹，并采用 Spline-DiT 生成器通过流匹配学习条件轨迹生成。此外，我们引入了面向无人机的位置、有限差分速度、有限差分加速度、航向一致性和局部目标对准的动态感知监督，使生成的轨迹能够更好地满足无人机运动特性。我们的轨迹生成框架还可以与现有的 UAV-VLN 框架集成，同时保留其原始的视觉语言推理管道。 OpenUAV UAV-VLN 基准测试的大量实验表明，DynFly 提高了导航性能和轨迹质量。在 Test Unseen Full split 中，DynFly 将最强基线提高了 4.69 NDTW、2.40 SDTW、2.14 SR 点和 4.87 OSR 点，同时将 NE 降低了 4.51 m。