WorldVLN.code

WorldVLN 是一个面向空中视觉-语言导航（VLN）任务的自回归世界动作模型，支持无人机在复杂三维环境中基于自然语言指令进行闭环导航。其核心包含两阶段训练流程：先监督训练视觉-语言编码器与动作解码器，再通过动作感知的GRPO算法优化策略；推理时采用自回归方式逐帧预测无人机的六自由度控制动作。项目依赖PyTorch与定制化仿真环境（如IndoorUAV、UAV-Flow），适用于室内/城市低空无人机导航、具身AI决策研究及视觉-语言联合建模实验场景。