UDAV：不确定性驱动的自适应 VLM 航点规划器

视觉语言模型（VLM）可以直接从航空图像生成用于越野导航的路线，但它们的预测没有提供可靠性的迹象。我们推出了 UDAV，一种用于无人机引导 UGV 导航的不确定性驱动的自适应 VLM 航路点规划器。 UDAV 绘制多个随机轨迹预测，选择其中心点作为自洽的标称路线，并根据其空间分散度估计预测不确定性。当内部航路点的最大不确定性超过阈值时，UDAV 会调用重新考虑阶段；否则，直接返回中心点。我们根据两次无人机飞行的 400 个保留轨迹查询来评估 UDAV。随机中心点选择将确定性预测的平均位移误差 (ADE) 从 147.4 像素减少到 115.9 像素。完整的规划器实现了 110.4 像素的平均 ADE，相对于确定性规划减少了 25.1%，同时为所有查询生成有效的轨迹。 UDAV 还在所有评估的配置中产生最低的 90% 和 95% 误差，包括较高预算的 K=10 共识基线。相对于 K=5 中心点，UDAV 将这些误差分别从 225.3 和 326.0 像素减少到 199.0 和 290.8 像素。这些结果表明，随机 VLM 预测提供了更强的标称路线和可操作的不确定性信号，用于有选择地减轻较大的规划错误。