See&Say：面向自主包裹投递无人机的视觉语言引导安全区域检测
计算机视觉与模式识别
2026-04-16 v1
摘要
自主无人机投递系统正在快速发展，但在杂乱的城市和郊区环境中，确保安全可靠的包裹投放仍然极具挑战性，因为准确识别合适的包裹投放区域至关重要。现有方法通常仅依赖基于几何的分析或语义分割，但这些方法缺乏稳健决策所需的集成语义推理能力。为了弥补这一差距，我们提出了 See&Say，一种新颖的框架，它将几何安全线索与语义感知相结合，并由视觉语言模型（VLM）引导进行迭代细化。该系统融合单目深度梯度与开放词汇检测掩码以生成安全地图，而 VLM 则动态调整对象类别提示并随时间细化危险检测，从而在最终投递阶段实现动态条件下的可靠推理。当主投放垫被占用或不安全时，所提出的 See&Say 还会识别用于包裹投递的替代候选区域。我们整理了一个包含移动物体和人类活动的城市投递场景数据集来评估该方法。实验结果表明，See&Say 优于所有基线，在安全地图预测方面实现了最高的准确率和 IoU，并且在多个阈值下的替代投放区域评估中表现出卓越的性能。这些发现凸显了 VLM 引导的分割-深度融合对于推进安全实用的无人机包裹投递的前景。
引用
@article{arxiv.2604.13292,
title = {See&Say: Vision Language Guided Safe Zone Detection for Autonomous Package Delivery Drones},
author = {Mahyar Ghazanfari and Peng Wei},
journal= {arXiv preprint arXiv:2604.13292},
year = {2026}
}