FreeFly-Thinking：将思维链推理与连续无人机导航对齐

视觉语言导航旨在使智能体能够理解自然语言指令并在真实环境中执行适当的导航动作。大多数工作集中在室内场景，对复杂室外场景的研究很少。当前的无人机视觉语言导航模型通常作为黑盒运行，缺乏显式推理。我们引入了FreeFly-thinking，这是一个端到端的VLN框架，受OpenFly提出的城市建筑环境启发，将无人机智能体的自我中心图像和语言指令转换为一系列动作。我们首先构建了一个用于导航任务的无人机数据集，然后执行自然语言思维链。我们采用两阶段训练策略：监督微调和强化微调。在未见测试集上的实验展示了强大的性能，在无人机导航问题上表现出鲁棒性和效率。