中科院空天院无人机视觉语言导航新基准！AeroVerse：模拟、预训练、微调和评估空中无人机具身世界模型的测试基准

文章预览

关注Xbot具身知识库 福利来袭： 关注“Xbot具身知识库”+评论“获取资料”，即可获得具身知识库基础学习资料（后附资料目录），感兴趣的学员可以积极参与。 本文转自视觉语言导航 作者： Fanglong Yao, Yuanchang Yue, Youzhi Liu, Xian Sun, Kun Fu 单位：中国科学院空天信息创新研究院网络信息系统技术重点实验室，中国科学院大学电子电气与通信工程学院 原文链接： AeroVerse: UAV-Agent Benchmark Suite for Simulating, Pre-training, Finetuning, and Evaluating Aerospace Embodied World Models (https://arxiv.org/pdf/2408.15511) 主要贡献 构建了首个大规模的真实世界图像-文本预训练数据集AerialAgent-Ego10k ： 该数据集利用无人机从第一人称视角拍摄的高分辨率城市图像，涵盖了广泛的城市场景。 数据集包含10,000张图像，用于增强无人机智能体在理解和描述真实城市环境中的能力。 开发了虚拟图像- ………………………………