SA-GCS:面向无人机视觉-语言导航的语义感知高斯课程调度
计算与语言
2025-08-04 v1
摘要
无人机(UAV)视觉-语言导航(VLN)旨在使智能体能够根据自然语言指令在复杂环境中精确定位目标并规划飞行路径,在智能巡检、灾害救援以及城市监测等领域具有广泛应用。视觉-语言模型(VLM)的最新进展为该任务提供了强大的语义理解能力,而强化学习(RL)作为一种有前景的后训练策略,正被用于进一步提升泛化性能。然而,现有强化学习方法往往存在训练数据利用效率低、收敛速度慢以及对训练样本难度差异考虑不足等问题,制约了性能的进一步提升。为应对这些挑战,我们提出 \textbf{语义感知高斯课程调度(SA-GCS)},一种将课程学习(CL)系统性地融入强化学习的新型训练框架。SA-GCS 采用语义感知难度估计器(SA-DE)量化训练样本的复杂度,并采用高斯课程调度器(GCS)动态调整采样分布,从而实现从易到难任务的平滑过渡。该设计显著提升了训练效率,加快了收敛速度,并改善了模型的整体性能。在 CityNav 基准上的大量实验表明,SA-GCS 在所有指标上均持续优于强基线,实现了更快、更稳定的收敛,并在不同规模的模型上均具有良好的泛化能力,凸显了其鲁棒性与可扩展性。我们方法的实现已公开。
引用
@article{arxiv.2508.00390,
title = {SA-GCS: Semantic-Aware Gaussian Curriculum Scheduling for UAV Vision-Language Navigation},
author = {Hengxing Cai and Jinhan Dong and Yijie Rao and Jingcheng Deng and Jingjun Tan and Qien Chen and Haidong Wang and Zhen Wang and Shiyu Huang and Agachai Sumalee and Renxin Zhong},
journal= {arXiv preprint arXiv:2508.00390},
year = {2025}
}