X-Fly：通过分阶段训练提升全块空中视觉语言导航性能

发生了什么

据arXiv cs.CV论文《X-Fly: Learning to Reach and Stop in Full-Chunk Aerial Vision-Language Navigation》介绍，X-Fly是一种用于全块空中视觉语言导航的分阶段训练框架。通过将预测动作块执行后再重新规划，推理时间从195ms降至42ms。该框架结合Recovery DAgger和Flow-GRPO技术，在OpenFly测试集中，可见集成功率达到74.18%，未见集成功率达到51.73%，显著优于全块行为克隆（BC）和DreamFly方法。