📖 AI 总结

本文针对空中视觉语言导航（VLN）中的“指令鸿沟”问题提出解决方案。现有导航智能体通常基于细节丰富、与轨迹对齐的指令训练，而用户实际发出的是简短、意图驱动的指令，导致在冻结的OpenFly导航器上成功率从31.03%骤降至11.33%。为扩大翻译器训练数据，作者利用语言模型结合人工风格示例，将原始指令转换为配对的、以意图为中心的弱指令，成功率为15.27%。在此基础上，提出轨迹锚定指令翻译器（TGIT），该前端保持导航器冻结，通过学习轨迹结果将弱输入翻译为智能体可执行的指令。实验表明，经弱指令训练的翻译器将弱输入成功率提升至37.93%，并零样本迁移至真实人类指令（11.33%提升至32.51%），同时在留出的OpenFly数据集上从4.95%提升至20.79%，并在CityNav和AirVLN上实现性能恢复。该工作为弥合用户意图与导航智能体执行之间的语义差距提供了有效途径。

🔑 关键词速览