HTNav：面向城市空中视觉语言导航的混合框架与分层结构
机器人学
2026-04-13 v1 人工智能
摘要
灵感来自通用视觉语言导航(VLN)任务，空中VLN因其在物流配送和城市检查等实际应用中的显著价值而引起广泛关注。然而，现有方法在复杂城市环境中面临多个挑战，包括对未见场景的泛化不足、长程路径规划次优以及对空间连续性理解不足。为此，我们提出HTNav框架，即集成Imitation Learning(IL)与Reinforcement Learning(RL)的协作导航框架。该框架采用分阶段训练机制，确保基础导航策略稳定性，同时增强环境探索能力。通过集成分层决策机制，实现宏观路径规划与细粒度动作控制之间的协作交互。进一步引入地图表示学习模块，以深化其在开放域域中的空间连续性理解。在CityNav基准上，我们的方法在所有场景层级和任务难度上均实现了最先进性能。实验结果表明，该框架在复杂城市环境中显著提升了导航精度和鲁棒性。
引用
@article{arxiv.2604.08883,
title = {HTNav: A Hybrid Navigation Framework with Tiered Structure for Urban Aerial Vision-and-Language Navigation},
author = {Chengjie Fan and Cong Pan and Zijian Liu and Ningzhong Liu and Jie Qin},
journal= {arXiv preprint arXiv:2604.08883},
year = {2026}
}