LookasideVLN：方向感知的空中视觉-语言导航
计算机视觉与模式识别
2026-04-21 v1
摘要
空中视觉-语言导航（Aerial VLN）使无人机（UAV）能够遵循自然语言指令并在复杂的城市环境中导航。尽管最近的进展通过大规模记忆图和前瞻路径规划取得了进步，但它们仍然受到指令理解浅层化和高计算成本的限制。特别是，现有方法主要依赖地标描述，忽略了方向性线索——这是人类导航中空间上下文的关键来源。在这项工作中，我们提出了LookasideVLN，一种利用自然语言中的方向性线索来实现更准确的空间推理和更高计算效率的新范式。LookasideVLN包含三个核心组件：（1）一个自我中心的旁视图（ELG），动态编码与指令相关的地标及其方向关系；（2）一个空间地标知识库（SLKB），提供来自先前导航经验的轻量级记忆检索；（3）一个旁视MLLM导航智能体，它整合来自用户指令、视觉观察以及来自ELG的地标-方向信息的多模态信息以进行路径规划。大量实验表明，即使使用单级前瞻，LookasideVLN也显著优于最先进的CityNavAgent，证明了利用方向性线索是空中VLN的一种强大且高效的策略。
引用
@article{arxiv.2604.17190,
title = {LookasideVLN: Direction-Aware Aerial Vision-and-Language Navigation},
author = {Yuwei Ning and Ganlong Zhao and Yipeng Qin and Si Liu and Yang Liu and Liang Lin and Guanbin Li},
journal= {arXiv preprint arXiv:2604.17190},
year = {2026}
}
备注
Accepted by CVPR 2026