知识卡片：DreamFly：面向航空视觉-语言导航的因果记忆与滚动时域扩散规划

一句话结论

DreamFly 是一个基于扩散模型的航空视觉-语言导航（Aerial VLN）框架，通过“因果对齐的历史记忆 + 滚动时域扩散规划 + 轻量显式停止预测”三项设计，在 OpenFly 基准的 seen/unseen 测试集上均取得当前最优的成功率（SR）和路径加权成功率（SPL），并实现最低导航误差。

事件概述或研究问题

航空视觉-语言导航要求智能体在部分可观测条件下，随时间整合视觉证据、规划未来动作，并判断是否到达导航目标。虽然现有视觉-语言-动作（VLA）模型提供了感知到动作的端到端范式，但在航空导航中仍面临三个挑战：

• 历史上下文有限，难以进行长时序推理；
• 规划视野短，动作缺乏前瞻性；
• 隐式终止判断不可靠，决策结束时刻不明确。

方法/产品要点

DreamFly 构建在 Dream-VLA 之上，核心包含三个组件：

• 因果对齐历史记忆（Causally Aligned Historical Memory）：仅使用当前决策步之前的观测来增强当前视觉表征，支持时序推理，避免未来信息泄漏。
• 滚动时域扩散规划（Receding-Horizon Diffusion Planning）：策略预测一个 (K) 步动作块（action chunk），但只执行第一个动作，然后重新规划。这种“规划 (K) 步、执行一步”的策略，将未来动作作为辅助规划目标，同时保留闭环视觉反馈。
• LiteStop 轻量停止预测：直接在初始 all-mask 状态下从动作 logits 估计停止概率，将显式的终止判断与动作生成解耦。

主要结果或产业意义

在 OpenFly 基准上，DreamFly 的表现如下：

• test-seen / test-unseen 的 SR：32.04% / 29.46%
• test-seen / test-unseen 的 SPL：28.22% / 23.54%
• 在两个指标上均优于所有对比方法，并取得最低导航误差。

产业意义上，该工作为无人机、航空机器人等场景下的视觉-语言导航提供了一种可借鉴的 VLA 落地范式；其“历史记忆 + 前瞻规划 + 显式终止”的分解思路，也可迁移到其他具身决策任务。

为什么重要

DreamFly 同时回应了航空 VLN 的三个关键痛点：历史信息不足、规划视野短、终止判断不可靠。它不使用未来信息来增强历史记忆，并利用“执行一步、重规划”的闭环机制，在保持实时反馈的同时获得未来动作的辅助监督。

与既有脉络的关系：相较于已有相关卡片中面向自动驾驶的时序规划框架，本条聚焦航空视觉-语言导航这一不同任务场景；增量信息在于 DreamFly 将扩散规划与因果记忆结合，并在 OpenFly 上给出了定量改进结果。

局限与不确定性

• 摘要未提供模型参数量、训练数据规模、推理延迟或计算成本，待核实。
• 摘要未列出具体对比基线模型名称和详细消融实验，待核实。
• OpenFly 基准的具体评测协议和指标全称未在材料中展开，待核实。
• 未说明真实环境或物理无人机上的验证情况，待核实。

可用于图书/PPT/简报的角度

• 以“VLA 模型在航空导航中为什么不够用”切入，用 DreamFly 展示三个改进方向：历史记忆、滚动时域扩散规划、显式停止预测。
• 用“规划 K 步但只执行一步”解释闭环扩散规划的核心思想。
• 引用 OpenFly 上的 SR / SPL 数字，说明模块组合带来的量化收益。

原始材料

• 英文标题：DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation
• 英文关键词：Aerial Vision-Language Navigation; Causal Memory; Receding-Horizon Diffusion Planning; Diffusion Policy; VLA
• 原始来源：arXiv:2608.12308v1，https://arxiv.org/abs/2608.12308v1
• 作者与日期：Yan Deng, Fei Xu；发布于 2026-08-12