DynFly: Dynamic-Aware Continuous Trajectory Generation for UAV Vision-Language Navigation in Urban Environments

📄 arXiv: 2606.31654 📥 PDF

作者: Wen Jiang, Hanfang Liang, Li Wang, Kangyao Huang, Wang Xu, Wei Fan, Jinyuan Liu, Shaoyu Liu, Hongwei Duan, Bin Xu, Xiangyang Ji, Huaping Liu

分类: cs.RO, cs.CV

发布日期: 2026-07-05

💡 一句话要点

提出DynFly以解决UAV视觉语言导航中的轨迹生成问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 无人机导航 视觉语言导航 轨迹生成 动态感知 B样条 多模态学习 条件生成

📋 核心要点

  1. 现有UAV-VLN方法主要关注离散动作和稀疏路径点，缺乏对连续轨迹生成的有效建模，导致运动的连续性和稳定性不足。
  2. DynFly通过引入动态感知的监督机制，利用B样条控制点空间表示专家轨迹，并通过Spline-DiT生成器实现条件轨迹生成。
  3. 在OpenUAV基准测试中，DynFly在多个指标上显著超越最强基线，提升了导航性能和轨迹质量，验证了其有效性。

📝 摘要（中文）

近年来，多模态大模型的进展显著提升了无人机视觉语言导航（UAV-VLN）的高层感知和推理能力。然而，现有方法主要集中于预测离散动作、局部目标或稀疏路径点，导航意图到可执行无人机运动的连续过渡建模仍然较弱。这一运动接口的缺口限制了生成的无人机轨迹的连续性、稳定性和可执行性。为了解决这一问题，本文提出了DynFly，一个动态感知的连续轨迹生成框架，旨在连接高层导航推理与可执行的无人机运动。DynFly通过轻量级的轨迹生成层实现高层导航意图与连续无人机运动的桥接，并在OpenUAV UAV-VLN基准上进行了广泛实验，显示出其在导航性能和轨迹质量上的显著提升。

🔬 方法详解

问题定义：本文旨在解决无人机视觉语言导航中导航意图与可执行运动之间的连续性缺口。现有方法在轨迹生成上主要依赖离散动作，导致生成轨迹的连续性和稳定性不足。

核心思路：DynFly通过动态感知的监督机制，结合B样条控制点空间和Spline-DiT生成器，实现高层导航意图与连续无人机运动的有效桥接。这样的设计使得生成的轨迹更符合无人机的运动特性。

技术框架：DynFly的整体架构包括轨迹生成层、动态感知监督模块和与现有UAV-VLN框架的集成。轨迹生成层负责生成连续轨迹，而动态感知监督模块则确保生成轨迹在位置、速度、加速度等方面的合理性。

关键创新：DynFly的主要创新在于引入了动态感知的监督机制，针对无人机运动特性进行优化，与传统方法相比，能够更好地生成连续且可执行的轨迹。

关键设计：在设计中，使用B样条控制点表示轨迹，并通过流匹配学习条件轨迹生成。此外，动态感知监督涉及位置、有限差分速度、加速度和航向一致性等多个方面，确保生成轨迹的质量。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在OpenUAV UAV-VLN基准测试中，DynFly在Test Unseen Full分割上相较于最强基线提升了4.69 NDTW、2.40 SDTW、2.14 SR点和4.87 OSR点，同时减少了4.51米的NE，显示出其在导航性能和轨迹质量上的显著优势。

🎯 应用场景

该研究的潜在应用领域包括城市环境中的无人机导航、物流配送、灾后救援等场景。通过提升无人机的导航能力，DynFly能够在复杂环境中实现更高效的任务执行，具有重要的实际价值和未来影响。

📄 摘要（原文）

Recent advances in multimodal large models have significantly improved UAV vision-language navigation (UAV-VLN) by enhancing high-level perception and reasoning. However, existing methods mainly focus on predicting discrete actions, local targets, or sparse waypoints, while the continuous transition from navigation intent to executable UAV motion remains weakly modeled. This motion-interface gap limits the continuity, stability, and executability of generated UAV trajectories. To address this gap, we propose DynFly, a dynamic-aware continuous trajectory generation framework that bridges high-level navigation reasoning and executable UAV motion. DynFly bridges high-level navigation intent and continuous UAV motion through a lightweight trajectory generation layer. Specifically, it represents expert trajectories in B-spline control-point space and employs a Spline-DiT generator to learn conditional trajectory generation via flow matching. Furthermore, we introduce UAV-oriented dynamic-aware supervision over position, finite-difference velocity, finite-difference acceleration, heading consistency, and local target alignment, enabling the generated trajectories to better satisfy UAV motion characteristics. And our trajectory generation framework can also be integrated with an existing UAV-VLN framework while preserving its original visual-language reasoning pipeline. Extensive experiments on the OpenUAV UAV-VLN benchmark show that DynFly improves both navigation performance and trajectory quality. On the Test Unseen Full split, DynFly improves the strongest baseline by 4.69 NDTW, 2.40 SDTW, 2.14 SR points and 4.87 OSR points, while reducing NE by 4.51 m.