UAVのためのビジョンと言語によるナビゲーション：進展、課題、そして研究ロードマップ
arXiv cs.RO / 2026/4/16
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、UAVにおけるビジョンと言語ナビゲーション（UAV-VLN）を概観し、それを中核となる身体性AI問題として位置付ける：高水準の言語指示を解釈し、複雑な3D環境において長期的なタスクを完遂すること。
- 初期のモジュール型および深層学習パイプラインから、大規模基盤モデルを用いるエージェント型アプローチへと至る進化をカバーする方法論的な分類法を提案する。ここには、VLM、VLA、さらに生成的な世界モデル統合が含まれる。
- 研究エコシステム—特に、進展と研究間比較を標準化することを目的としたシミュレータ、データセット、評価指標—をレビューする。
- 実環境への展開を阻む主要なボトルネックを特定する。具体的には、シミュレーションから現実へのギャップ、動的な屋外条件下での知覚の頑健性、推論中の言語的曖昧性の扱い、制約のある搭載オンボード機器上で大規模モデルを効率的に実行すること、である。
- 結論として、マルチエージェントのスワーム協調や、空—地協調ロボティクスといった今後の方向性を重視した研究ロードマップを提示する。
