arXiv cs.RO· Jaewoo Park, Minyoung Lee, Sukmin Seo, Moonbin Yim, Hyunwook Yoon, Dohoon Ryu, Daehee Kim, Myungseo Song, Jihyuk Byun, Seunggyu Chang, Taeho Kil, Jiseob Kim, Bado Lee, Geewook Kim·· 4 小时前
DroneCATS 基准：评估多模态 LLM 作为通用 VLA 智能体控制无人机
Evaluating Multimodal LLMs as Generalist Vision-Language-Action Agents for Drone Control: Commanding, Approaching, Tracking and Searching
AI 导读
研究者提出 DroneCATS 基准，让 MLLM 通过四类动作直接控制无人机，覆盖目标可见性、目标运动、场景与模拟器变化，并扩展至真机与多机场景。评测十个 MLLM 发现，前沿模型成功率最高但延迟导致丢失移动目标，小型开源模型到达目标后常不宣告抵达。基于此微调的 2B 模型在仿真中成功率从 0% 升至 31%，真机飞行表现超过前沿模型；多机场景中每个无人机配一个子智能体的指挥方式成功率更高。
来源：arXiv cs.RO · arxiv.org