论文
ActiveFly-Bench：将具体问答与视觉-语言-动作相结合，实现空中具体感知
ActiveFly-Bench: Aligning Embodied Question Answering with Vision-Language-Action for Aerial Embodied Perception
摘要
我们推出了 ActiveFly-Bench，这是第一个为无人机具体感知连接网络空间推理和物理世界交互的基准。该基准将主动感知分解为三个层次任务：空中体现问答（Air-EQA）、观察行为规划（OBP）和细粒度语言引导无人机控制（FLUC），明确连接高层任务理解、行为规划和低层控制。数据集是从真实世界和模拟室外环境中收集的，用于训练和评估。我们进一步开发了 ActiveFly，一种将视觉语言推理与细粒度控制相结合的闭环无人机代理，并将其部署在物理无人机平台上。对代表性 VLM 和 VLA 模型的实验表明，当前的无人机代理仍然在主动感知中的行为规划、视点调整和鲁棒任务完成方面遇到困难。这些结果使 ActiveFly-Bench 成为体现航空智能的新测试平台。