Modello 2B Leggero Eguaglia i Baselines 7B nella Navigazione UAV

Un nuovo articolo su arXiv (2608.07557) sfida la dipendenza da modelli linguistici di grandi dimensioni per la Navigazione Visione-Linguaggio in Veicoli Aerei Senza Pilota (UAV-VLN). Gli autori dimostrano che un modello leggero con 2 miliardi di parametri, dotato di input visivi ad alta fedeltà, raggiunge tassi di successo paragonabili ai baselines con 7 miliardi di parametri. Questo risultato suggerisce che la qualità della percezione è più critica della capacità di ragionamento linguistico per i compiti di navigazione UAV. Tuttavia, la politica minimalista rivela una debolezza di robustezza intrinseca al puro Behavior Cloning (BC): senza feedback negativo esplicito, l'agente non riesce a interiorizzare i vincoli spaziali e mostra alti tassi di collisione in scenari fuori distribuzione. L'articolo propone una soluzione chiamata AeroDPO, che probabilmente coinvolge l'ottimizzazione automatica delle preferenze per affrontare questo problema. La ricerca sottolinea l'importanza della percezione ad alta fedeltà e la necessità di metodi di addestramento robusti per la distribuzione edge dei sistemi di navigazione UAV.