论文
GeoReasoner：以地理先验和主动证据探索改善无人机语言导航
Beyond Trial-and-Error: A Geospatial-Guided Active Reasoning Framework for Robust Aerial Vision-and-Language Navigation
摘要
空中视觉和语言导航（VLN）要求无人机在大规模城市环境中定位由语言描述指定的目标，从高空角度看，物体通常显得很小且视觉上模糊。现有方法很大程度上遵循室内 VLN 中常见的反应范式，根据本地观测反复更新导航状态，同时未充分利用在导航过程中保持稳定的地理空间结构。因此，视觉上相似的干扰因素可能会导致反应性目标搜索，从而反复强化基于被动积累的证据的局部看来合理的目标假设，从而导致不可靠的定位。为了解决这个问题，我们提出了 GeoReasoner，这是一个强大的框架，它将空中 VLN 的范式从反应性试错转变为地理空间引导的主动推理。具体来说，GeoReasoner 首先执行搜索前地理空间推理，以导出区域级先验并约束目标假设空间。在此基础上，它进一步进行假设驱动的探索，以主动获取判别性证据并完善相互竞争的目标假设。最后，考虑一致性的目标验证在停止前，以对抗方式审查互补证据来源，从而减少过早或错误的目标确认。对现实世界 CityNav 基准的实验表明，GeoReasoner 在零样本空中 VLN 方法中达到新的最佳水平，并可与监督方法竞争。
