UAV-Flow++：言語誘導ドローン飛行のベンチマークと学習のための統合スイート

- 言語指示に基づく UAV の短距離・物体相対の flight maneuver を扱う新タスク **Flow (Flying-on-a-Word)** を提案する研究。 - 入力は簡潔な自然言語指示、egocentric 視覚観測、現在の状態ダイナミクス。 - 出力は連続的な flight action。 - データセット **UAV-Flow** とシミュレーション環境 **UAV-Flow-Sim** を整備した benchmark suite。 - 実世界の expert-piloted trajectory 30,692 本(8 motion category)。 - シミュレーション trajectory 10,109 本(task-specific completion criteria 付き)。 - 学習フレームワーク **FlowVLA** も提案し、benchmark と学習手法を一体で提供する。

- 従来の language-guided UAV navigation は long-horizon route planning が中心で、short-range かつ object-relative な flight maneuver は未開拓だった。 - 本研究はそのギャップを **Flow** タスクとして定式化し、primitive motion command と複雑な object-interactive behavior の両方を評価対象にした点が新しい。 - motion intent comprehension と spatial context grounding を同時に問う benchmark を、実世界 trajectory とシミュレーション環境の両方で提供する点が先行研究と異なる。 - 要旨からは不明: 具体的な既存 baseline 名や先行データセットとの定量的比較の詳細。

- **FlowVLA** は mixed real-sim demonstration による imitation pretraining を行う。 - その後 **Tail-Aware GRPO (TGRPO)** による online post-training を実施。 - group reward distribution を活用し、high-reward action sequence を効果的に強化する。 - タスク定式化では、自然言語指示・egocentric visual observation・state dynamics を連続 flight action に変換する policy を学習。 - UAV-Flow-Sim には task-specific completion criteria が用意され、closed-loop evaluation を可能にする。

- **UAV-Flow-Sim** の held-out 273 episode で評価。 - pretrained FlowVLA は mean success rate **75.58%** で、最強 baseline を **6.72 percentage points** 上回る。 - TGRPO post-training により **93.16%** まで向上し、sample efficiency も優れる。 - 実機 UAV 実験を indoor および outdoor の実世界 scene で実施し、object-relative command の robust な実行を確認。

- 要旨からは不明: 実機実験の具体的な成功率や被験者数、失敗事例の分析。 - 要旨からは不明: real-sim gap、sim-to-real transfer の限界、TGRPO の reward 設計や計算コストに関する議論。 - 要旨からは不明: 8 motion category 間の難易度差や、object-interactive behavior の一般化性能に関する考察。

- **GRPO** およびその variant(TGRPO の比較対象として)。 - **Vision-Language-Action (VLA)** モデル全般(FlowVLA の基盤として)。 - language-guided UAV navigation の long-horizon route planning 研究(本研究が対比する先行領域)。 - imitation learning と reinforcement learning を組み合わせた UAV policy learning の関連研究。