Action-aware GRPO

WorldVLN模型以预测性世界-动作方法推进航空导航

研究人员推出WorldVLN，这是一种新颖的自回归模型，专为航空视觉-语言导航任务设计。该模型将航空导航视为一个由预测驱动的世界-动作问题，代理器预测环境变化并根据预测结果采取行动。WorldVLN预测短期世界状态转换，并将其转化为可操作的航点，从而实现闭环导航。一个两阶段的训练过程，包括一种名为Action-aware GRPO的强化学习方法，优化航点决策。该模型在公开基准测试中显示出比现有基线显著的性能提升，并有望用于实际无人机部署。