RaceVLA：基于 VLA 的类人行为竞速无人机导航
机器人学
2025-03-05 v1 人工智能
摘要
RaceVLA 提出了一种自主竞速无人机导航的创新方法，通过利用视觉-语言-动作（VLA）来模拟类人行为。本研究探索了先进算法的集成，使无人机能够根据实时环境反馈调整其导航策略，模仿人类飞行员的决策过程。该模型在收集的竞速无人机数据集上进行了微调，尽管竞速无人机环境复杂，但仍展现出强大的泛化能力。受益于动态相机和简化的运动任务，RaceVLA 在运动（75.0 vs 60.0）和语义泛化（45.5 vs 36.3）上优于 OpenVLA。然而，由于在物体大小变化的动态环境中机动的挑战，视觉（79.6 vs 87.0）和物理泛化（50.0 vs 76.7）略有下降。RaceVLA 在所有轴向上也优于 RT-2——视觉（79.6 vs 52.0）、运动（75.0 vs 55.0）、物理（50.0 vs 26.7）和语义（45.5 vs 38.8），证明了其在复杂环境中进行实时调整的鲁棒性。实验显示平均速度为 1.04 m/s，最大速度为 2.02 m/s，且机动性一致，证明了 RaceVLA 有效处理高速场景的能力。这些发现突显了 RaceVLA 在竞技竞速环境中实现高性能导航的潜力。RaceVLA 代码库、预训练权重和数据集可在以下网址获取：https://racevla.github.io/
引用
@article{arxiv.2503.02572,
title = {RaceVLA: VLA-based Racing Drone Navigation with Human-like Behaviour},
author = {Valerii Serpiva and Artem Lykov and Artyom Myshlyaev and Muhammad Haris Khan and Ali Alridha Abdulkarim and Oleg Sautenkov and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2503.02572},
year = {2025}
}
备注
6 pages, 6 figures. Submitted to IROS 2025