无人机最后一米精确导航：一种扩散改进的空中视觉伺服方法

在这项工作中，我们研究无人机最后一米的精确导航，例如使用单目视觉自主到达最后 10 米内的目标。由于尺度模糊、旋转不连续性以及对细粒度空间推理的需要，这项任务具有挑战性。现有方法通常会在较大的视点变化下失败，或者缺乏对未见环境的泛化。为此，我们提出了 DreamNav，一种从粗到细的扩散细化的航空视觉伺服框架。在第一个粗估计阶段，鲁棒回归策略采用三角参数化，通过对正弦和余弦分量联合建模来预测旋转，有效减轻由角度周期性引起的优化不稳定性。给定这个粗略估计，第二个扩散细化阶段利用预先训练的世界模型来模拟候选动作的未来视觉观察，通过视觉想象过程选择最小化与目标的视觉差异的轨迹。为了支持严格的评估，我们贡献了 PairUAV，这是一个大型基准测试，由来自 University-1652 数据集的 72 个场景的 480 万个图像对组成。大量实验表明，DreamNav 在准确性和泛化方面优于强大的视觉伺服和基础模型基线，并且可以零镜头传输到未见过的场景。