Beyond Trial-and-Error: A Geospatial-Guided Active Reasoning Framework for Robust Aerial Vision-and-Language Navigation
Pubblicata su AIChronos il · fonte del · Jiawei Ge, Wenkang Gong, Jiuxin Cao, Bo Liu, Lei Cui, Haoran Wang
Il framework GeoReasoner rivoluziona il paradigma del Vision-and-Language Navigation (VLN) aereo passando da un approccio reattivo basato su tentativi ed errori a una ragionamento attivo guidato dalla geospazialità. Questo metodo utilizza la struttura stabile dell'ambiente urbano per derivare prior di livello regionale e vincolare lo spazio delle ipotesi sul goal prima della ricerca visiva. Attraverso l'esplorazione guidata dalle ipotesi, il sistema acquisisce attivamente evidenze discriminanti per affinare le localizzazioni concorrenti. Infine, una verifica del goal consapevole della consistenza valuta aversarialmente fonti di evidenza complementari per evitare conferme premature o errate.
- Spostamento dal paradigma reattivo a quello attivo guidato dalla geospazialità nell'Aerial VLN.
- Utilizzo delle prior regionali pre-search per vincolare lo spazio delle ipotesi sul goal e ridurre distrattori visivi simili.
- Esecuzione di un'esplorazione guidata dalle ipotesi per acquisire attivamente evidenze discriminanti.
- Implementazione di una verifica del goal aversarialmente consapevole della consistenza prima dell'arresto.
- Risultati State-of-the-Art (SOTA) su zero-shot nel benchmark CityNav, superando metodi supervisionati.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti AI locali, questo approccio offre un modello per integrare conoscenza strutturale esterna (geospaziale) nei processi di ragionamento attivo degli agent, riducendo la dipendenza da tentativi ed errori puramente basati su osservazioni passive.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.