真实世界数据集
为捕捉专家飞行行为，作者通过采集并标注真实飞行示范，构建了 UAV-Flow。
指令标注
语言标注通过质量控制流程完成。标注人员首先筛除存在行为歧义、执行不安全、场景关系不明确或运动语义不一致的片段。随后，他们为片段标注简洁指令，描述预期运动；必要时，还会注明运动与可见物体之间的空间关系。
为支持标准化标注和高效数据处理，UAV-Flow 采用固定指令集作为规范任务标签。研究还通过大语言模型改写规范标注，构建开放词汇指令集。最终的真实世界数据集包含 30,692 条轨迹，涵盖八类主要运动，并配有第一视角视频、对齐的无人机状态和指令。
数据分析
UAV-Flow 和 UAV-Flow-Sim 为 Flow 任务框架提供互补的数据覆盖。真实世界数据集包含专家操控的 30,692 条轨迹，涵盖八类主要运动，记录了多样的视觉环境、人类操控风格和真实执行的无人机物理运动状态。仿真数据集包含 10,109 条轨迹，其指令和状态格式与真实数据集一致，可用于受控测试和基于仿真的策略优化。
作者还构建了一个仿真测试集，其中包含 273 条经过标注的轨迹，覆盖数据集中的所有主要动作类型，便于对 Flow 任务进行系统评估。每个测试回合均指定任务标签、初始状态、指令、参考轨迹和特定任务的完成标准，从而建立可复现的闭环评估流程。
混合模仿预训练
该策略通过模仿学习进行预训练，训练数据混合了 UAV-Flow 中的真实飞行示范和 UAV-Flow-Sim 中的仿真示范。两类数据均采用统一的回合格式，并扩展为帧级训练样本。预训练数据集约包含 20,000 条示范轨迹。
真实世界示范提供真实的户外视觉多样性、传感器随机性和物理运动动力学。仿真示范则能以可控且可扩展的方式覆盖 Flow 机动动作和任务配置。利用这些互补数据联合训练，使策略能够将第一视角视觉观测、无人机状态和语言指令映射为未来动作片段。
对于每个训练样本，专家未来动作片段经过归一化和离散化后转换为类别标签，并采用类别交叉熵对动作预测进行监督。损失在未来步数和四个动作维度上取平均：
归一化后的专家动作被映射到对应的离散动作分箱。
预训练策略根据语言指令预测短时域无人机动作片段。该策略用于后续闭环评估，并作为强化学习后训练的初始化策略。
真实世界部署
为将训练好的策略部署到实体无人机上，作者采用地面站与无人机协同执行架构。由于机载计算资源有限，VLA 推理在地面站上进行。无人机通过无线链路向地面站传输第一视角图像和状态估计。地面站根据接收到的观测和语言指令生成动作片段，将其转换为控制目标后传回无人机，由机载飞控执行。
策略在局部坐标系中输出位置-偏航角动作。执行层将离散预测解码为连续动作，并使用与输入观测对应的无人机位姿，将每个动作片段逐步转换为位置-偏航角航点。
实验
研究通过闭环仿真、消融研究和实体无人机部署评估 FlowVLA。实验首先将预训练策略与适配后的基线方法进行比较，并评估 GRPO 和 TGRPO 后训练对任务完成度和轨迹相似度的影响。随后，消融研究比较不同强化学习算法，并考察训练数据组成、动作表示和 VLM 特征选择的影响。最后，论文展示了在户外和室内真实场景中的飞行执行示例。
基线模型
作者选取五种具有代表性的方法作为基线，并将其适配到 Flow 任务。所有基线都使用相同的仿真示范进行模仿学习训练，并通过 LoRA 微调其 VLM 组件。为提供统一的闭环执行接口，每个模型的输出都会转换为局部位置-偏航角指令，并由同一个仿真器侧控制器执行。
FlowVLA 指通过混合真实世界与仿真示范进行模仿预训练得到的策略。FlowVLA-GRPO 和 FlowVLA-TGRPO 则指以该策略为基础、分别采用相应算法进行强化学习后训练的变体。
为考察这些任务上的优化效率和性能，所有策略都在完整测试集上评估。评估量化了四项强化学习训练任务上的性能提升，以及其余任务上的能力保持情况。
消融研究
训练曲线进一步展示了各方法在训练过程中的表现。总体而言，FlowVLA-GRPO 和 FlowVLA-GDPO 的成功率通常会提高；GSPO 在训练后期保持在 90% 左右，而 DAPO 则大幅下降。FlowVLA-GRPO 在训练后期保持了相对较高的 NDTW，而 FlowVLA-GDPO 和 FlowVLA-GSPO 的 NDTW 则有所下降。
FlowVLA-DAPO 和 FlowVLA-GSPO 在训练后期的性能退化，可能部分与缺少参考策略 KL 正则化有关，因为它们的更新不会明确限制与预训练参考策略之间的累积偏差。
混合训练数据的影响
加入真实世界飞行示范后，FlowVLA 的平均成功率从 73.14% 提高至 75.58%，提升了 2.44 个百分点。平均 NDTW 也略有上升，从 0.399 增至 0.402。这些结果表明，实体飞行示范不仅有助于直接学习真实世界策略，还能为仿真数据提供互补训练信号，从而提升仿真中的闭环任务成功率。
真实世界部署评估
按照上述部署方案，作者将 VLA 策略部署到实体无人机上，并评估其在户外和室内场景中通过闭环飞行执行语言指令的能力。
飞行过程中，无人机持续向地面站传输第一视角图像和状态估计，由地面站预测动作片段。执行层将预测转换为航点指令，根据端到端延迟选择前视航点，并将其发送至飞控。即使存在通信和策略推理延迟，该流程仍能维持连续的闭环飞行。
致谢
本研究部分获得中国国家重点研发计划（Grant No. 2024YFF1401400）、创新研究群体科学基金（No. T2621006）、国家自然科学基金（Nos. U23B2010, 62461160308, 62576024）、中央高校基本科研业务费（No. 501RCQD2025141003）以及 BeiHang GanWei Project（No. 502GWXM2024141001）的资助。
实体无人机平台
研究使用两个无人机平台在室内和户外环境中测试实体飞行：P600 无人机平台和 DJI Tello。
常见问题
UAV-Flow 真实世界数据集包含哪些内容？ 该数据集包含 30,692 条轨迹，涵盖八类主要运动，并配有第一视角视频、对齐的无人机状态和指令。
仿真数据集和测试集分别有多少条轨迹？ UAV-Flow-Sim 包含 10,109 条轨迹，仿真测试集包含 273 条经过标注的轨迹。
混合模仿预训练结合了哪些数据？ 它将 UAV-Flow 中的真实飞行示范与 UAV-Flow-Sim 中的仿真示范结合起来，构成约包含 20,000 条轨迹的预训练数据集。
实体无人机如何接收并执行策略动作？ 无人机将图像和状态估计发送至地面站进行推理，随后接收位置-偏航角航点指令，并交由机载飞控执行。