基准与数据集论文卡片¶
预计阅读：15 分钟 | 前置知识：了解世界模型、VLA、VLM基础概念
本文收录 9 篇无人机 VLA/VLM/世界模型领域的基准与数据集论文。每张卡片由「标题行 → 徽章行 → 一句话总结 → 核心贡献 / 方法要点 / 结果亮点」组成，题名取 arXiv API 返回的完整题名
1. MotionScape — 大规模无人机视频数据集¶
一句话总结：按运动强度分层的无人机视频基准，228 段 / 62,700 帧，配天气、光照、场景与相机运动标注
标题：MotionScape: A Motion-Stratified UAV Video Benchmark for World Modeling and Future Video Generation
· 2026 · 推荐度 ★★★
数据规模： - 228 段高分辨率视频，共 62,700 帧（约 35 分钟） - 标注天气与光照条件、场景环境、相机视角运动 - 按相机运动强度分层（低/中/高运动层）
数据管线： 1. 人工选源 2. CLIP 辅助筛查 3. 人工校验
关键发现：对齐的标注有效提升现有世界模型模拟复杂3D动态和处理大视角变化的能力
2. AeroVerse — 航空航天世界模型基准¶
一句话总结：把世界模型的预训练、微调和评估收进同一套基准
标题：AeroVerse: UAV-Agent Benchmark Suite for Simulating, Pre-training, Finetuning, and Evaluating Aerospace Embodied World Models
· 2024 · 中国科学院空天信息创新研究院 · 推荐度 ★★☆
五大任务： 1. 场景认知（aerospace embodied scene awareness） 2. 空间推理（spatial reasoning） 3. 导航探索（navigational exploration） 4. 任务规划（task planning） 5. 运动决策（motion decision）
3. CARLA-Air — 统一空地仿真平台¶
一句话总结：在CARLA世界中飞无人机，统一空中和地面智能体
标题：CARLA-Air: Fly Drones Inside a CARLA World — A Unified Infrastructure for Air-Ground Embodied Intelligence
· 2026 · 推荐度 ★★☆
核心特点： - 支持视觉语言动作任务 - 高保真仿真环境 - 空地协同工作负载
4. UAVBench / UAVIT-1M — 无人机VLM基准¶
一句话总结：面向低空无人机的视觉语言基准
标题：UAVBench and UAVIT-1M: Benchmarking and Enhancing MLLMs for Low-Altitude UAV Vision-Language Understanding
· 2026 · 推荐度 ★★☆
数据规模： - 43个测试单元 - 966K样本 - 1.24M指令调优数据集
5. BEDI — 无人机具身智能基准¶
一句话总结：评估无人机具身智能的六大核心子技能
标题：BEDI: A Comprehensive Benchmark for Evaluating Embodied Agents on UAVs
· 2025 · 推荐度 ★★☆
六大子技能： 1. 语义感知（semantic perception） 2. 空间感知（spatial perception） 3. 运动控制（motion control） 4. 工具使用（tool utilization） 5. 任务规划（task planning） 6. 动作生成（action generation）
6. Embodied4C — 具身VLN基准¶
一句话总结：跨车辆、无人机、操作器的闭环VLN评估
标题：Embodied4C: Measuring What Matters for Embodied Vision-Language Navigation
· 2025 · 推荐度 ★★☆
评估内容： - 约1100个推理问题 - 58个导航任务 - 四种推理能力（空间、时间、语义、物理）
关键发现：跨模态对齐和指令调优比模型规模更重要
7. OS-W2S — 开放集航拍目标检测¶
一句话总结：用 VLM 自动生成航拍图像的开放集标注
标题：OS-W2S: An Automatic Labeling Engine for Language-Guided Open-Set Aerial Object Detection
· 2025 · 推荐度 ★☆☆
数据规模：163K 图像，2M 描述对。
8. Nano-drone Benchmark — 纳米无人机系统辨识¶
一句话总结：Crazyflie 2.1的75k真实样本系统辨识基准
标题：Nonlinear System Identification Nano-drone Benchmark
· 2025 · 推荐度 ★☆☆
9. UAV-Flow — 语言条件无人机控制基准¶
一句话总结：细粒度语言条件飞行控制的评测基准
标题：UAV-Flow Colosseo: A Real-World Benchmark for Flying-on-a-Word UAV Imitation Learning
· 2025 · HuggingFace wangxiangyu0814/UAV-Flow, UAV-Flow-Sim · 推荐度 ★★★
数据内容： - 真实世界无人机轨迹 - 仿真无人机轨迹 - OpenVLA-UAV适配模型 - 评估环境
基准对比表¶
| 基准 | 类型 | 规模 | 任务 |
|---|---|---|---|
| MotionScape | 视频数据 | 30+小时 | 世界模型训练 |
| AeroVerse | 基准套件 | 5任务 | 多种 |
| CARLA-Air | 仿真平台 | 无限 | 多种 |
| UAVBench | VLM基准 | 966K | 视觉语言 |
| BEDI | 具身基准 | 6技能 | 多种 |
| Embodied4C | VLN基准 | 1100题 | 导航 |
| UAV-Flow | 控制基准 | 多数据集 | 语言控制 |
| OS-W2S | 检测数据 | 163K | 目标检测 |
| Nano-drone | 系统辨识 | 75K | 动力学 |
延伸阅读¶
思考题¶
-
选型判断：如果目标是训练一个无人机世界模型，本文九项资源里哪一项最直接可用？哪一项名字里也带"基准"、却完全不是同一类东西？
-
可比性批判：BEDI、Embodied4C、AeroVerse 都在评估无人机具身智能，它们的成绩能否直接横向比较？为什么？
-
方法迁移：OS-W2S 用 VLM 自动标注出 163K 图像、2M 描述对。把这套"自动标注引擎"搬到 MotionScape 这类带轨迹的视频数据上，最先卡住的是哪一环？
-
实验设计：你要做"无人机听懂原子语言指令并完成细粒度机动"的闭环实验，UAV-Flow 和 UAVBench 分别能给你什么、缺什么？
-
批判思考：Embodied4C 的关键发现是"跨模态对齐和指令调优比模型规模更重要"。如果这条结论成立，UAVBench 堆到 966K 样本、1.24M 指令调优数据还有价值吗？