中科院研发KinoUAV基准 提升无人机VLN导航安全与稳定性

无人机作为重要的遥感作业平台，广泛应用于农业监测、基建巡检、灾害评估等场景，而视觉语言导航（VLN）是实现无人机完全自主作业的核心技术。不过，现有的无人机VLN基准仍存在不少现实短板：轨迹生成多依赖离散动作、路点插值，未显式考虑速度、加速度、加加速度限制，导致飞行运动突变明显、偏航角速度大、稳定性差；自主避障监督多依赖障碍物坐标、额外传感器信息，难以仅通过RGB图像完成自主感知避险；任务设计不合理，要么提供过于细致的路径指令削弱自主探索能力，要么仅给出目标描述，在大尺度环境中搜索效率极低，导航失败概率高。

针对上述痛点，研究团队推出KinoUAV全套基准，包含数据集与配套导航智能体，旨在提升无人机导航安全性与运动平滑度。

主要贡献

1. 动力学驱动数据集构建：较早将动力学管线引入无人机VLN数据集制作，基于加速度控制生成满足物理约束的无人机飞行轨迹。
2. DFD方向自由空间距离标签：提出DFD作为中间监督信号，仅用RGB图像预测前方、下方可通行安全距离，将环境感知和动作决策解耦，支撑自主避障。
3. Cruise‑Seek双阶段任务范式：巡航+搜索两阶段任务，无人机先飞向目标所在区域，抵达区域后再执行目标搜索，平衡导航引导信息与自主探索能力。
4. 分层KinoUAV‑Agent智能体：高层负责路点规划，低层结合DFD预测输出加速度控制指令；新增绝对偏航率评价指标，专门衡量无人机飞行运动平滑程度。

研究方法

整套工作分为三大模块：轨迹生成管线、数据集构建、KinoUAV‑Agent分层导航智能体。

分层动力学A*轨迹生成管线

整个流程分为三步：生成路点链 → 分层动力学A*规划 → 调用AirSim飞行控制API执行轨迹。

• 路点链生成：分为主子集和辅助子集，主子集通过几何A*算法生成完整骨干路点链，辅助子集随机采样路点序列，用于训练低层控制器的路点跟踪能力，无语言标注。
• 分层动力学A*规划：采用简化无人机动力学模型，补偿重力同时考虑空气阻力效应，通过代价函数筛选可行运动状态，过滤速度、加加速度超限以及会发生碰撞的候选状态，最后做轨迹清洗剔除震荡转向、环路等异常轨迹。

数据集构建

数据集基于OpenUAV提供的UE4仿真环境搭建，共使用16个仿真场景。执行轨迹过程中，逐帧记录无人机位姿、速度、前视图像、下视图像。

📌核心创新标签：DFD方向自由空间距离，沿着相机观测方向发射射线，求取射线碰到第一个障碍物的距离，最大探测距离100m，分为前向DFD、下向DFD，作为避障任务的监督标签。

数据集划分：辅助子集只有低层控制样本，用于训练控制器跟踪随机路点，无语言标注；主子集包含完整导航轨迹，支持Cruise‑Seek双阶段；测试集分为三类：Test Seen、Test Unseen Object、Test Unseen Map，总规模300K条轨迹。

KinoUAV‑Agent分层导航智能体

整体分为高层路点规划器与低层运动控制器，两个模块运行频率不同。

• 高层路点规划器：输入前视图像、下视图像+当前阶段对应的文本指令，在无人机机体坐标系预测下一个路点；Cruise阶段输入目标相对方向与距离，Seek阶段输入目标物体文本描述，到达路点或阶段切换时重新预测新的路点。
• 低层运动控制器：输入双视角图像、路点相对状态，输出无人机控制加速度；内部由视觉编码器、DFD解码器、加速度预测器三部分组成。