论文
视觉语言模型作为自主无人机导航的副驾驶：退化环境中的延迟和可靠性分析
Vision-Language Models as copilots for Autonomous UAV Navigation: Analysis of Latency and Reliability in Degraded Environments
摘要
视觉语言模型 (VLM) 在自主无人机 (UAV) 中的集成提供了前所未有的语义推理能力。然而，实时闭环导航不仅需要低推理延迟，还需要服从结构化的飞行命令。本文提出了一种用于无 GPS 环境中无人机的混合 FSM-VLM 控制架构。该系统将用于低级物理控制的确定性有限状态机 (FSM) 与用于高级语义寻路的异步 VLM 副驾驶相结合。我们在软件在环 (SITL) 仿真中评估了具有不同参数尺度的三个模型。该框架在正常和降级场景中隔离和测量格式级别的语法错误与逻辑级别的语义幻觉。这项研究表明，参数缩放（而不是纯粹的延迟）仍然是 VLM 安全且兼容地集成到自主飞行中的主要瓶颈。