Fly0: Semantische Navigation ohne geometrische Bindung – 20 % mehr Erfolg

In der Welt der visuellen Sprachnavigation (VLN) stehen Forscher seit langem vor dem Dilemma: Wie kann man die starke semantische Analyse von multimodalen großen Sprachmodellen (MLLMs) mit der präzisen geometrischen Steuerung verbinden? Die neue Methode Fly0 löst dieses Problem, indem sie die beiden Aufgaben in einem dreistufigen Prozess trennt. Zunächst wandelt ein MLLM natürliche Sprachbefehle in 2‑D‑Pixelkoordinaten um. Anschließend nutzt ein geometrisches Projektionselement Tiefeninformationen, um die Zielpunkte im 3‑D‑Raum zu lokalisieren. Schließlich generiert ein geometrischer Planer schussfreie Routen, die selbst bei fehlender visueller Sicht stabil bleiben.

Durch die Trennung von semantischem Verständnis und geometrischer Planung reduziert Fly0 die Notwendigkeit kontinuierlicher Inferenz. Das Ergebnis ist eine deutlich geringere Rechenlast, weniger Latenz und ein stabileres Verhalten, das sich besonders in unstrukturierten Umgebungen bemerkbar macht. In umfangreichen Simulationen und realen Tests konnte die Methode die Erfolgsrate um mehr als 20 % steigern und den Navigationsfehler um rund 50 % senken – ein deutlicher Vorsprung gegenüber aktuellen Spitzenlösungen.

Die Entwickler haben den Code öffentlich zugänglich gemacht, sodass die Forschungsgemeinschaft die Ergebnisse reproduzieren und weiterentwickeln kann. Fly0 zeigt, dass eine klare Trennung von semantischer Analyse und geometrischer Planung nicht nur machbar, sondern auch äußerst vorteilhaft für die nächste Generation autonomer Luftfahrtsysteme ist.