Nghiên cứu
DroneWAM: Mô hình hành động thế giới tối ưu cho điều hướng drone
(giờ Việt Nam)
Tóm tắt AI
DroneWAM là mô hình hành động thế giới hiệu quả cho drone, sử dụng kiến trúc JEPA để dự đoán trạng thái tương lai trong không gian biểu diễn thay vì tạo ảnh, giúp tiết kiệm tài nguyên tính toán đáng kể trong điều hướng.
Chính văn · Bản dịch AI
Tóm tắt: Các mô hình thế giới-hành động (world-action models) cung cấp cho các tác nhân điều hướng thị giác một phương thức để dự đoán cách các hành động tiềm năng sẽ thay đổi các quan sát trong tương lai và đưa ra quyết định dựa trên những kết quả được dự đoán đó. Đối với máy bay không người lái (drone), khả năng này phải hoạt động dưới những ràng buộc khắt khe về độ chính xác và hiệu suất. Chúng tôi giới thiệu DroneWAM, một mô hình thế giới-hành động hiệu quả dành cho điều hướng thị giác của drone. DroneWAM áp dụng kiến trúc dựa trên JEPA để mô hình hóa trực tiếp các trạng thái tương lai trong không gian biểu diễn, giúp tránh chi phí tạo hình ảnh tương lai một cách tường minh. Một bộ Resampler được huấn luyện trước giúp nén thêm các đặc trưng bộ mã hóa dày đặc thành ít token tiềm ẩn hơn, từ đó giảm thiểu khối lượng tính toán lặp lại tại mỗi bước mô phỏng. Chúng tôi cũng giới thiệu cơ chế adaptive rollout (triển khai thích ứng), trong đó một Gate được huấn luyện theo ưu tiên sẽ phân bổ độ sâu dự đoán một cách linh hoạt tùy theo bối cảnh hiện tại. Để hỗ trợ việc học tập trong điều kiện chuyển động trên không phong phú hơn, chúng tôi xây dựng DroneNav-6D, một tập dữ liệu điều hướng thị giác mô phỏng với các quan sát RGB đồng bộ, quỹ đạo bay 6-DoF, lệnh điều khiển và các nhiễu loạn gió ngẫu nhiên. Trên DroneNav-6D, DroneWAM đạt được độ chính xác quỹ đạo tốt nhất trong số các phương pháp được so sánh. Cơ chế adaptive rollout giúp giảm độ sâu dự đoán trung bình từ 8 xuống 4,58 trong khi vẫn cải thiện độ chính xác quỹ đạo, chứng minh rằng tính toán dự đoán có thể được phân bổ hiệu quả hơn giữa các bối cảnh khác nhau. Mã nguồn và dữ liệu sẽ được công bố.
| Chủ đề: | Thị giác máy tính và Nhận dạng mẫu (cs.CV) |
| Trích dẫn là: | arXiv:2609.33148 [cs.CV] |
| (hoặc arXiv:2609.33148v1 [cs.CV] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.33148 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Yijun Shen [xem email] [v1] CN, 27 Thg 9, 2026 03:21:01 UTC (5.759 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.