X-Fly：分阶段训练提升航拍VLN到达与停止能力
热点事件持续更新
X-Fly：分阶段训练提升航拍VLN到达与停止能力
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
论文作者Ruibin Ju等人在arXiv发布X-Fly，一种面向全块航拍视觉语言导航（VLN）的分阶段训练框架，用完整动作块降低大视觉语言模型的推理开销，并提升到达与停止能力。框架分两阶段：Recovery DAgger为学习者访问过的决策状态标注能重新衔接后续专家轨迹的平滑动作块，并在首个进入区域的状态标注STOP；随后Flow-GRPO从同任务闭环结果中联合优化块级流控制器和Bernoulli停止策略，辅以基于结果验证的停止监督。 据论文结果，X-Fly在test-seen和test-unseen上分别达到74.18%和51.73%的成功率（SR），高于全块行为克隆的16.45%/18.43%和DreamFly的32.04%/29.46%。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
X-Fly：通过分阶段训练提升航视觉语言导航中的到达与停止能力报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIX-Fly：通过分阶段训练提升航视觉语言导航中的到达与停止能力
X-Fly是一种面向航视觉语言导航的分阶段训练框架，通过完整动作块降低大视觉语言模型的推理开销，并利用Recovery DAgger和Flow-GRPO处理学习者访问状态下的恢复与停止。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。