当2B模型遇见果蝇大脑：无人机自主导航的两条极简主义路线——智能应该来自学习，还是进化写好的结构？

引子：两个数字的相遇

2026年的无人机智能研究现场，出现了两个耐人寻味的数字。

一边是电子科技大学的 AeroDPO：一个20亿参数的视觉语言模型，在仿真环境里完成了语言条件下的无人机导航，成功率反超70亿参数的基线，整个训练流水线在单张 RTX PRO 4500 Blackwell 工作站显卡上跑完。

另一边是 SpikeCalls 的开源项目 FlyDrones：一个由果蝇连接组驱动的无人机驾驶员。它加载的雄性果蝇完整中枢神经系统约16.6万个神经元，而驱动浏览器演示的 MiniFly 替身只有850个神经元、4928个突触连接——神经元数只有那个2B模型参数量的约二百三十五万分之一，却已经能完成爬升、悬停、转向和逼近逃逸。

两个项目隔着深度学习与计算神经科学的鸿沟，却在回答同一个问题："智能"究竟来自大规模数据驱动的优化，还是来自生物结构本身蕴含的计算先验？

更妙的是，它们各自给出了对方问题的答案。

第一幕：AeroDPO——把"变聪明"从参数规模里解放出来

UAV-VLN（无人机视觉语言导航）的主流范式近年走向端到端极简策略，人类一句"飞到红楼"，模型直接输出飞行动作；但代价是依赖数十亿参数的大模型，推理延迟让真实边缘部署无从谈起。

【图：UAV-VLN 任务范式——从模块化管线到端到端多模态大模型（来源：arXiv: 2604.13654 综述插图）】

AeroDPO 的团队没有顺着"压缩大模型"的思路走，而是先做了一个更根本的诊断，并且把诊断做成了一个实验矩阵：高保真的空间感知质量，从根本上压倒了语言推理能力——一个配备高分辨率视觉输入（384×768）的轻量2B模型，可以完全追平7B模型的导航成功率。

一张表里的证据

"感知比推理重要"如果只是论文里的论断，不值得太认真对待。AeroDPO 把它做成了 Table 1 里的一组对照实验。这张矩阵同时变化两个变量——语言主干的参数量、视觉输入的分辨率——每一格都是 TravelUAV 基准上的闭环实测：

（SR = 成功率；UM = 未见过地图的分布外测试集，数字来自论文 Table 1，碰撞率为百分比）

逐行读下来，两个反转清晰可见。第一行对第二行：大家都只能看清 224×224 的模糊画面时，7B 确实强于 4B——参数规模确实能补偿视觉模糊，主流假设在这一格成立。第三行：4B 的分辨率翻倍后立刻反超 7B——多出来的信息超过了多出来的参数。第四行：同一分辨率下把主干缩到 2B，性能如期下滑——主干不是完全无关，它在"看得清"的前提下仍有贡献。第五行：2B 配上 384×768，UM 成功率反超所有对手，同时它的碰撞率 46.76 是全场有数据配置中最低的——而它的显存占用只有 5GB，推理延迟 0.24 秒，是 7B 模型的一半。

这张矩阵的底部压着论文真正的野心：这个 2B + 384×768 的配置，坐在了"成功率—推理时延"帕累托前沿的拐角上。作者想说的是：在导航任务上，过去堆参数买到的很大一部分"智能"，其实是在弥补看得不清；一旦视觉输入保真度到位，语言推理那一半的容量并没有想象中那么不可替代。

纯 BC 的阿喀琉斯之踵

但表格的最后一列立刻泼了冷水。拆掉参数规模这个瓶颈后，作者暴露了下一个问题：纯行为克隆（BC）训练的轻量策略在分布外环境中表现出惊人的碰撞率——表中那个最优配置，在 Unseen Map 上拿到 41.23% 成功率的同时，碰撞率高达 46.76%，接近每两趟就撞一趟。原因是序列决策中的协变量漂移与误差累积：只模仿专家正样本、从不接触负反馈的代理，只是在背诵完美条件下的最优路径，遇到陌生障碍时没有恢复策略可用。这是 Ross 与 Bagnell 早在2010年就刻下的警告，只是在大模型时代被暂时遗忘了。

碰撞问题的微妙之处在于信用分配：坠机往往是几步之前某个机动动作的延迟后果，惩罚碰撞发生的那一帧根本打不到点子上——那一帧上，气动惯性已经让飞机进入了物理上不可挽回的死区。人工标注偏好对太贵，在线启发式补丁又不规模化。

让物理仿真当裁判：零成本偏好飞轮

AeroDPO 的解法是把整个偏好挖掘过程变成一条零人力成本的自动化流水线。部署基线策略在 7611 条训练路线上飞行，撞出 1954 条碰撞轨迹，从中提取 3855 个原始偏好对——三个环节环环相扣：

1. 运动学保持的状态回滚：检测到碰撞后，仿真器回退到上游航点 t−1 或 t−2（分别对应短程紧急规避与长程预判），把那一帧的错误执行标记为 rejected；

2. 全解耦特权干预：用该帧的深度图计算人工势场（APF），但不像传统 APF 那样粗暴接管——方向维度滤波器只纠正触发预警的那几个轴，未触发的轴严格继承原动作，保住长程导航语义，合成 chosen；

3. 思维链感知筛选：合成数据难免夹带视觉歧义（杂乱几何、相机眩光），一个 4bit 量化的 Qwen3.6-27B 离线审查员对每对候选执行"场景分析→碰撞目标识别→规避验证→二元判定"四步推理，把脏数据拦在优化池外。

这套流水线里有三个公式，各自堵着一类容易翻车的漏洞。不用细究推导，看直觉就行。

公式一，采样过滤器：

公式二，选轴器：

公式三，训练目标（标准 DPO 损失）：

回到流水线：3855 对原始数据最终被筛掉近一半，留下 2005 对进入训练——52% 的保留率说明"自动造数据"的瓶颈不在造，而在审。整个筛选耗时约 8.5 小时（平均每对 8 秒），训练侧冻结主干，只做 LoRA 微调（r=64, α=128）外加视觉投影层全量微调，DPO 两 epoch、学习率 2×10⁻⁵。全流程——AirSim 采集、VLM 筛选、DPO 训练、闭环评估——在单张工作站上无缝跑完。

【图：AirSim 中的轻量 VLA 导航流水线：数据采集、策略、执行监管、闭环评估（来源：MDPI Sensors 插图，任务设定与 AeroDPO 相同）】

消融实验

主结果表（Seen 成功率 48.59%→60.93%、碰撞率 34.27%→26.80%；Unseen Object 成功率 59.78%→67.41%；Unseen Map 成功率 41.23%→49.16%、碰撞率 46.76%→35.91%）证明 DPO 有效，但真正体现作者功夫的是消融表——各变体在最难的 Unseen Map 子集上的表现浓缩如下：

（非碰撞失败 = 悬停超时、卡死、走错方向三类错误的合计，与论文 Table 4 注释一致；加粗为该列最优。数字来自论文 Table 4）

表里有两个对照组，恰好替最挑剔的读者问了两个尖锐的问题。

"为什么不直接外挂一个避障模块？"第二行就是答案：外部 APF 补丁把碰撞率从 46.76% 压到 36.74%，乍看不错，但在 Unseen Map 上成功率仅微升（41.23→43.42），远低于内生化方案的 49.16；更刺眼的是最后一列——非碰撞失败从 7.72% 翻倍到 14.09%。补丁与视觉语言策略之间的结构性语义鸿沟开始发作：刚性物理干预频繁覆盖导航意图，飞机不撞了，却开始大面积悬停、卡死、走错方向。这正是 FlyDrones 用安全监管器 governor 处理、AeroDPO 用"内化"处理的那类问题，两个项目给出了相反的答案：一个把安全放在脑外，一个把安全写进权重。

"解耦干预是不是多余的？"第三行给出判决：对三个控制轴一起惩罚后，模型学会了最省事的对策——悬停。碰撞率压到全场最低 28.50%，但路径效率崩到 30.57%，23.07% 的 episode 以"悬停超时"告终。惩罚全部轴等于奖励什么都不做，这在偏好优化里和在所有对齐问题里一样成立——前面说 DPO 损失里那根拴住参考策略的松紧带，防的就是这个。

第四行则悄悄说明了审查员的价值：去掉 VLM 数据筛选，成功率回落近 4 个百分点——自动造的数据，不审不行。

从工作站到机载芯片

消融表最后一行预告了下一道工程门槛的答案：这东西装得上飞机吗？

论文把 INT8 量化后的模型经 llama.cpp 部署到 Jetson Orin NX 边缘平台，硬件在环实测 770 毫秒推理延迟（约 1.3Hz）。耐人寻味的是，量化版在 Seen 与 Unseen Object 上竟反超全精度（62.62 对 60.93、70.11 对 67.41）——作者引文献解释：降低的精度滤掉了虚假的高频视觉噪声，量化在这里成了隐式正则器。在最艰难的 Unseen Map 上它回落到 44.99%，但仍高于全精度基线。这个 44.99% 不再只是仿真环境里的纸面数字——它是一块真实边缘芯片在硬件在环中跑出来的闭环结果，距离真机只剩最后一层验证。

至此，AeroDPO 的证明链条闭合：感知质量比语言推理能力更重要；"聪明"可以不靠参数规模，而靠把负反馈以正确的形式喂给学习器。整条流水线的本质，是用物理仿真充当一位不知疲倦的教练：替学员撞墙、回放、指出错在哪一步、示范正确的动作，再把教练的话翻译成模型能消化的偏好对。

第二幕：FlyDrones——把"会飞"从训练数据里解放出来

如果说 AeroDPO 的极简主义是"把模型做小"，FlyDrones 的极简主义则是"把学习删掉"。

2026年，HHMI Janelia、剑桥大学、MRC LMB 与 Google Research 联合发布了雄性果蝇完整中枢神经系统 MaleCNS v1.0：约16.6万个神经元、经电镜重建的全部突触连接，以 CC-BY 协议免费开放。人们已经把它接进电子游戏和行走机器人。FlyDrones 做的事在概念上更大胆：给连接组装上翅膀。

【图：MaleCNS——雄性果蝇完整中枢神经系统的三维重建（来源：Janelia FlyEM）】

它的信息通路是这样的：无人机相机（或你摄像头前的一只手）被转换为果蝇复眼上真实视觉神经元的活动，脉冲网络按连接组定义的拓扑运行，最后读出六个下行神经元——真实果蝇正是用它们操纵翅膀的——映射为无人机的油门与转向杆量。

演示里最精妙的设计是光流错觉：张开手掌，画面向上漂移，果蝇大脑以为自己正在下沉，于是爬升；握拳，画面静止，悬停；快速逼近，视场扩张，LPLC2 与 LC4 神经元触发巨纤维（giant fiber）DNp01，无人机猛然逃逸。大脑从头到尾没有收到过一个"爬升"或"逃逸"的符号指令——它收到的只是光流，剩下的全是反射。而当无人机真的爬升时，它的相机看到真实的下向光流，恰好抵消了错觉，闭环自己稳定下来。

【图：FlyDrones 浏览器演示界面——MiniFly 替身大脑、光流输入、下行神经元活动与"巨纤维逃逸"触发（来源：项目官网截图）】

支撑这一切的神经回路清单，每一条都有文献背书：T4/T5 方向选择性细胞处理四向光流（Maisak et al. 2013）；LPLC2/LC4 检测逼近物体并驱动巨纤维（Ache et al. 2019）；DNg02 左右独立设定振翅幅度，读出层据此计算油门 = 左+右、偏航 = 右−左（Namiki et al. 2022）；DNp03 负责逃逸性急转（这一功能划分出自 FlyDrones 项目文档，与其代码注释中标注的文献对应）。浏览器演示里运行的 MiniFly 是850神经元的合成替身，在任何设备上实时模拟——README 里写明了：坐在无人机上的果蝇只是吉祥物，驾驶员是模拟的大脑。

【图：果蝇视叶至小叶板的视觉运动检测回路，T4/T5 细胞分层编码四个方向的运动（来源：Current Biology）】

FlyDrones 的 README 里有一节"诚实声明"（The honest part），逐条划清了哪些是自然之物、哪些是人类工程：连接组的突触计数来自电子显微镜；神经元的动力学用的是 Shiu et al.（Nature2024）发表的整脑 LIF 模型及其公开参数——也就是说，参数同样是从数据里拟合出来的，只是拟合发生在神经科学实验室里；相机特征到神经元的映射、强直的"我在飞行"驱动信号、下行神经元到杆量的线性读出，则是作者的工程选择，每一处依赖的论文都标注在代码注释里；无人机自身的飞控负责保持姿态平衡，一个安全 governor 握着最高优先级的话筒。硬件适配层（Tello、Crazyflie、ArduPilot/PX4、Betaflight）已经写好，但作者坦承尚未完成真实飞行测试，默认所有命令都是 dry run。在"AI控制物理设备"这类声明与实测容易脱节的领域，这种对能力边界的明确标注值得每个同类项目对照。

FlyDrones 证明的是：果蝇的视觉运动回路——方向选择性细胞、光流计算、逼近检测、巨纤维逃逸——已经编码了低空飞行所需的一整套避障、姿态稳定与反射控制，我们确实不需要从零学习这些。演示里没有任何一行飞行代码存在于"大脑"内部；手掌翻覆之间，四亿年进化写就的控制器在替你开飞机。

对位：一张对照表，三处分歧

分歧一：教师不同——仿真器 vs 进化

AeroDPO 的自动化 DPO，本质上是用 AirSim 的真值几何当教练；FlyDrones 的连接组，则是用四亿年自然选择当教练。两者都是"教师-学生"结构，只是训练信号的时间尺度差了十几个数量级。这带来一个不对称：仿真教练可以针对具体任务定制反馈，但学生学到的边界不超出仿真器的物理保真度；进化教练给的先验是真机上打磨出来的，泛化性写进了拓扑，但代价是它只为果蝇的生态位优化——低空、近距、毫秒级反应。没有谁替代谁的问题，只有你的任务离哪个生态位更近的问题。

分歧二：负反馈的位置——写在损失里，还是写在突触里

这是两条路线最深刻的技术对照。AeroDPO 面对的正是 FlyDrones 运行时免疫的那类问题：没有负反馈的 BC 会撞墙，所以要用 DPO 把碰撞教训注入损失函数。果蝇的解决方案则把教训写进突触拓扑：LPLC2/LC4 到巨纤维的通路是硬连线的，逼近扩张图案天然触发逃逸，毫秒级完成，推理时不需要任何回溯式的信用分配。

但这里必须补上一个限定，否则"免费"二字会骗人：运行时不需要，不等于从来不需要。巨纤维回路之所以硬连线，是因为在四亿年的系统发育尺度上，自然选择替果蝇完成了那场漫长的信用分配——只不过信号不是梯度，而是繁殖适应度，没连上这条回路的个体大概率没能留下后代。换言之，果蝇并非没有"训练"，只是把训练成本从 A100 的电费账单转移到了进化时间尺度上。它与 AeroDPO 的差别，不是"学习与免学习"的差别，而是信用分配发生在个体生命之内，还是物种历史之中。

一个把负反馈放在训练期，灵活可塑；一个把负反馈放在推理期，快速确定。AeroDPO 用8.5小时的 VLM 筛选换取泛化性，果蝇用硬连线换取毫秒级确定性——这是智能设计中永恒的权衡，两个项目站在天平两端，把它标定了出来。

分歧三：都是"冻结"，但一种可以解冻，一种不能

表面看，AeroDPO 全在学习、FlyDrones 全靠先验。但仔细看，两者共享同一种工程轮廓：大规模结构保持不动，只在边缘的接口处学习。

不过这个类比在技术上需要拆开，因为两种"冻结"不是同一种东西。AeroDPO 冻结 2B 主干只训 LoRA，是一个可逆的工程决策：主干随时可以解冻，全量微调在计算上完全可行，团队只是权衡后选择了更便宜的方案。FlyDrones 的冻结则混合了两种性质：16.6万神经元的突触路由不是参数，而是电镜测量数据本身——它不在"可训练对象"的范畴内，谈不上解冻不解冻；但 LIF 动力学参数确实是拟合出来的可训练对象，只是 FlyDrones 选择了直接采用 Shiu et al. 发表的现成参数，只标定"下行神经元→杆量"的线性读出。

所以更准确的说法是：AeroDPO 是"选择不训练主干"，FlyDrones 是"主干中的路由部分无法被训练"——前者是策略，后者是结构事实。这个区分也解释了 FlyDrones roadmap 上那条 PPL1 多巴胺强化学习为什么重要：它瞄准的正是"在生物架构内优化参数"这条目前被封死的路——让果蝇大脑也能像 AeroDPO 的代理一样，从自己的坠机中学习。

合流：一个猜想，以及它最难的部分

把两条路线放在一起，一个自然的构想浮现出来：皮层—脊髓分层。让2B的 VLA 占据"皮层"——语言理解、语义目标分解、全局路径规划，这是 AeroDPO 证明可以压到边缘端的部分；让连接组派生的反射回路占据"脊髓"——光流稳定、逼近逃逸、姿态反射，这是 FlyDrones 证明无需任务训练的部分。

但这个构想在方向上成立，离"工程必然"还很远，最难的部分恰恰是接口。AeroDPO 的 DPO 流水线之所以能工作，是因为它拥有 AirSim 的真值空间几何来合成监督信号；而在皮层—脊髓混合系统里，谁来提供"反射回路与高层语义指令冲突时刻"的真值？这形成一个两难：如果仿真足够保真，你根本不需要生物反射回路，直接用 AeroDPO 式的流水线训练到底即可；如果仿真不够保真，你又无法可靠地生成冲突标注，偏好对齐无从下手。说"中间用 DPO 做接口对齐"只需要一句话，而把它做出来是整个构想中最没有现成答案的部分。

不过有两条思路可以绕开这个两难。其一，反射层本来就不需要标注：它是毫秒级的确定性反射，谈不上与语义对齐，它的"训练"在四亿年前已经完成，接口问题退化为触发权限管理——什么时候允许巨纤维打断皮层的指令，FlyDrones 的安全监管器 governor 已经在实践这个答案。其二，仿真只训皮层：AeroDPO 已经验证了仿真内偏好对齐的有效性，脊髓层零训练接入，两个学习系统不共享梯度、只共享传感器与执行器。至于快慢分层、底层可打断高层这套思路，经典机器人学的包容式架构（subsumption architecture）已经用了几十年，算不上新思想，只是第一次有了可以执行的生物侧"底层"。

因此，与其说这个构想预示着两种极简主义的会师，不如说它们分工的方向已经被各自的证据指明——皮层负责语义与泛化，脊髓负责速度与确定——而边界画在哪里，取决于接口问题能解决到什么程度。这大概是接下来几年里，最值得在机载计算机上验证的方向。

FlyDrones 的许可证页上有一行小字，或许是对这一切最好的收束：

The fly is a model. The drone is real. Fly carefully.（果蝇是模型，飞机是真的，小心飞行。）

创作不易，禁止抄袭，转载请附上原文标题及其链接

参考资料与延伸阅读

AeroDPO

• 论文：arXiv:2608.07557 — https://arxiv.org/abs/2608.07557

• 官方仓库：https://github.com/XuPeng23/AeroDPO

文中成功率、碰撞率均为 TravelUAV 仿真基准结果，仓库中最终模型权重与训练代码尚未释放。

FlyDrones

• 开源仓库：https://github.com/SpikeCalls/FlyDrones

• 浏览器演示：https://spikecalls.github.io/FlyDrones/

• MaleCNS v1.0 数据门户：https://male-cns.janelia.org/

连接组与全脑模型

• Berg, S. et al. (2026). Sexual dimorphism in the completeDrosophilamale central nervous system connectome.Cell, 189(18), 5504–5526.e15. https://doi.org/10.1016/j.cell.2026.08.015

• Shiu, P.K. et al. (2024). ADrosophilacomputational brain model reveals sensorimotor processing.Nature, 634, 210–219. https://doi.org/10.1038/s41586-024-07763-9

果蝇视觉运动回路文献

• Maisak, M.S. et al. (2013). A directional tuning map ofDrosophilaelementary motion detectors.Nature, 500, 212–216. https://doi.org/10.1038/nature12320

• Ache, J.M. et al. (2019). Neural basis for looming size and velocity encoding in theDrosophilagiant fiber escape pathway.Current Biology, 29(6), 1073–1081.e4. https://doi.org/10.1016/j.cub.2019.01.079

• Namiki, S. et al. (2022). A population of descending neurons that regulates the flight motor ofDrosophila.Current Biology, 32, 1189–1196.e6. https://doi.org/10.1016/j.cub.2022.01.008

（DNp03 的功能划分出自 FlyDrones 项目文档，其 README 指向Current Biology2024–2025 的飞行急转文献；完整文献与工程划分清单见项目 README 的 Science and credits 部分。）

说明

FlyDrones 浏览器演示基于 850 神经元 MiniFly 替身，并非完整连接组；硬件适配层已实现，但项目方声明尚未完成真实飞行测试。