AI论文速览|多模态大语言模型担任无人机通用视觉-语言-动作智能体：指令、接近、跟踪…（1/20篇）·9月3日

2026年09月03日星期四90% 🔥# 1Evaluating Multimodal LLMs as Generalist Vision-Language-Action Agents for Drone Control: Commanding, Approaching, Tracking and Searching🤗 21本研究考察多模态大语言模型（MLLM）直接操控无人机的能力，提出DroneCATS-Agent架构与DroneCATS基准。将MLLM视为可替换模块，评估其在接近可见目标、追踪动态目标