X-Fly: 全チャンク空中視覚言語ナビゲーションにおける到達と停止の学習

- 大規模 vision-language model を用いた aerial VLN エージェントの推論コストを削減するため、予測 action chunk を丸ごと実行してから再計画する full-chunk 方式を扱う。 - この方式は expert 演示が監督しない状態(復帰や学習者自身の到着での停止)を生み、OpenFly test-seen で no-stop 失敗が full-chunk BC の 47.78% を占める。 - そこで X-Fly という段階的学習フレームワークを提案し、full-chunk aerial VLN の到達と停止を学習する。

- full-chunk 実行により、実行 waypoint あたりの model inference を 195 ms から 42 ms に削減。 - full-chunk BC の SR 16.45%(test-seen)/18.43%(test-unseen)、DreamFly の 32.04%/29.46% に対し、X-Fly は 74.18%/51.73% を達成。 - 従来の chunk 単位 BC が苦手とする、学習者自身の到着時の停止や復帰を明示的に扱う点が新しい。

- Recovery DAgger: 学習者が訪れた decision state に対し、将来の expert segment へ再接続する smooth chunk と、最初の in-region state での STOP をラベル付け。 - Flow-GRPO: 同一タスクの closed-loop outcome から、chunked flow controller と Bernoulli STOP policy を jointly に refine。 - outcome-verified stopping supervision を補助的に用いる。 - 各 decision につき 8 controls を実行。

- OpenFly の test-seen と test-unseen で評価。 - X-Fly は test-seen 74.18% SR、test-unseen 51.73% SR を達成。 - 比較対象の full-chunk BC は 16.45%/18.43%、DreamFly は 32.04%/29.46%。 - no-stop 失敗が full-chunk BC で 47.78% を占めることも報告。

- full-chunk 実行は推論コストを下げるが、policy が問い合わせられる状態を expert 演示から遠ざけ、復帰や停止の監督が欠如する問題を生む。 - この問題に対し Recovery DAgger と Flow-GRPO で対処するが、要旨からは限界や失敗事例の詳細は不明。 - 8 controls や outcome-verified stopping supervision の設計に関する議論は要旨からは不明。

- full-chunk BC - DreamFly - Recovery DAgger - Flow-GRPO - OpenFly - aerial vision-language navigation (VLN)