FlyMirage：通过生成式世界模型实现多样化可扩展无人机飞行数据的全自动生成流水线

arXiv 2026 46.4 system, application

TLDR

FlyMirage利用LLM和生成式世界模型自动生成多样化、可扩展的UAV飞行数据，用于空中VLN。

评分理由

The paper presents a novel pipeline combining LLMs and 3DGS for synthetic data generation, addressing scalability and diversity. However, it lacks real-world validation and does not evaluate on downstream tasks or compare to real datasets.

Read-first 评分解释

综合优先阅读分 46.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 25。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

82.1

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.82118149

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

主题相关性 29%

35.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：310。

关键词评分

generative world model

world model

world simulator

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

使用大语言模型作为环境设计器以促进场景多样性
生成式世界模型将设计实例化为高保真3D高斯溅射（3DGS）场景
自动化场景探索与语义信息获取
用于无人机轨迹生成的动态可行规划器
全自动流水线生成大规模、多样化且逼真的空中VLN数据集

方法

FlyMirage是一个全自动流水线，利用大语言模型（LLM）作为环境设计器生成多样化的场景设计，随后由生成式世界模型将这些设计实例化为高保真3D高斯溅射（3DGS）场景。该流水线自动化了场景探索与语义信息获取，并集成了用于无人机（UAV）轨迹生成的动态可行规划器，从而生成大规模空中VLN数据集。

关键结果

该流水线生成了一个大规模、多样化且逼真的空中VLN数据集，包含动态可行的飞行轨迹，旨在支持下一代具身导航模型的发展。

技术栈

LLM3D Gaussian Splatting (3DGS)Generative World ModelDynamically Feasible Planner

资源

论文