CoNav-UAV：通过Stackelberg学习实现双高度协同空中导航

面向目标的视觉-语言导航（VLN）在无人机平台上吸引越来越多的关注，用于灾害救援、基础设施检查和安全巡逻等任务。在这种任务中，无人飞行器（UAV）需要根据简要描述其外观和环境来定位目标。这要求全局探索和定位，以及避免碰撞的近距离接近，这两者在单个智能体中难以协调。现有的方法将地面VLN范式移植到低空无人机，并通过外部帮助补偿其不高效的探索。最近的一个尝试在互补高度的无人机上部署，但仍依赖于特权信息并独立训练其两个智能体，从而无法进行任何合作中的必要适应性调整。在这里，我们提出CoNav-UAV，它明确地将任务视为一个斯塔克勒格赛（Stackelberg game）在高海拔的领导者和低海拔的跟随者之间进行，系统仅依赖于在机载视觉和语言输入上进行操作。为解决这个博弈，我们引入迭代斯塔克勒格学习。领导者高层的视觉-语言推理通过基于记忆的上下文学习进行细化，而跟随者的精确运动控制通过DAgger式专家蒸馏进行更新。交替使两者朝着斯塔克勒格均衡前进。CoNav-UAV在AerialVLN基准中的三个高质量的城市场景中连续优于单个和双智能体基准。学习场景的成功率提高了30.8个点，而跨场景转移时提高了9.0个点，同时使用了大约3倍的适应性数据。进一步的分析验证了领导者和跟随者更新的互补收益，并揭示了跨VLM基础架构的稳健收益，而学习动态则不同。