AirHunt：融合VLM语义与连续规划的高效空中目标导航
机器人学
2026-01-21 v1 人工智能
摘要
大型视觉语言模型（VLM）的最新进展提供了丰富的语义理解能力，使无人机能够通过自然语言指令搜索开放集目标。然而，由于VLM推理与实时规划之间存在数量级的频率不匹配，以及VLM对三维场景理解有限，现有系统难以将VLM集成到实际空中系统中。此外，在大规模环境中，它们缺乏统一的机制来平衡语义引导与运动效率。为应对这些挑战，我们提出了AirHunt，一种空中目标导航系统，通过无缝融合VLM语义推理与连续路径规划，在户外环境中以零样本泛化能力高效定位开放集目标。AirHunt采用双通路异步架构，在VLM推理与路径规划之间建立协同接口，实现通过运动演化的自适应语义引导下的连续飞行。此外，我们提出了一个主动双任务推理模块，利用几何和语义冗余实现选择性VLM查询，以及一个语义-几何协同规划模块，在统一框架中动态协调语义优先级与运动效率，实现对环境异质性的无缝适应。我们在多样化的目标导航任务和环境中评估了AirHunt，结果表明，与最先进方法相比，AirHunt实现了更高的成功率、更低的导航误差和更短的飞行时间。实际实验进一步验证了AirHunt在复杂和挑战性环境中的实际能力。代码和数据集将在发表前公开。
引用
@article{arxiv.2601.12742,
title = {AirHunt: Bridging VLM Semantics and Continuous Planning for Efficient Aerial Object Navigation},
author = {Xuecheng Chen and Zongzhuo Liu and Jianfa Ma and Bang Du and Tiantian Zhang and Xueqian Wang and Boyu Zhou},
journal= {arXiv preprint arXiv:2601.12742},
year = {2026}
}