项目

基于 OpenFly 的无人机视觉语言导航方法研究

这是一个基于现成 OpenFly 平台开展的无人机视觉语言导航研究项目，主要面向复杂三维场景中的自然语言导航问题，围绕视觉语言理解、空间感知、导航决策、长程任务稳定性以及训练方案可行性展开系统研究。项目的核心不是从零搭建导航平台，而是在 OpenFly 已有仿真、数据与评测框架的基础上，推进方法验证、实验诊断和研究流程工程化。 在项目中，我的工作重点是围绕 OpenFly 现有底座建立一套更适合持续研究迭代的实验与分析体系，包括 baseline 复现、评测口径整理、实验切片管理、结果归档、失败样本诊断、跨环境对比验证，以及多条方法路线的原型接入与阶段性收束。相比单次实验脚本式研究，这项工作的特点在于强调研究过程的结构化和可复现性，使每一次实验都能够形成可追踪的证据链，并支持后续复盘、扩展与论文写作。 项目推进过程中，我围绕 OpenFly 平台补充了多种研究型基础设施。例如，针对不同方法路线设计统一的实验入口和结果输出格式，构建失败模式分析与对照评测工具，整理项目进展与实验笔记体系，并在现有仿真环境上完成多类导航策略的接入、验证与行为分析。项目一方面保持对原平台评测口径的尊重，另一方面通过工具链和分析层增强其研究可用性，使其更适合作为无人机视觉语言导航方法研究的长期实验底座。 从工程角度看，这项工作更偏向“基于现有平台的研究系统扩展”。它涉及 OpenFly 评测流程理解、AirSim 环境交互、实验数据组织、自动化分析脚本编写、研究资产管理，以及不同导航思路在统一评测框架中的接入与比较。项目过程中，我持续把零散实验推进为可维护的研究闭环，使方法探索、错误定位、结果整理和后续训练准备能够在同一套工程化流程中完成。 目前，该项目已经形成了一套较完整的研究工作流：能够支持基于 OpenFly 的多方向方法探索，并为后续模型训练、性能提升和论文写作提供稳定支撑。整体上，这项工作体现了我在已有复杂平台上进行研究扩展、实验基础设施补强、问题定位与长期迭代推进方面的能力。