AgenticDiffusion 是一个面向室内无人机导航的多视角框架，由 Faryal Batool 等五位作者完成，并于 2026 年 6 月 2 日提交至 arXiv（编号 2606.04111v1，属于 cs.RO 机器人学分类，同时关联 cs.AI 人工智能与 eess.SY 系统与控制方向）。该研究针对室内 UAV 导航中的核心难题：在视野受限的条件下，无人机需要高效探索环境、理解场景结构，并可靠地执行轨迹。
现有基于视觉的导航框架通常只依赖单一视角的观测，这使它们在处理遮挡、目标可见性以及全局场景结构推理时存在明显局限。单视角信息难以支撑无人机在杂乱室内环境中判断目标是否被遮挡、何时需要改变观察位置，也难以形成对整体空间的连贯认知，进而造成重复探索、路径冗余和任务效率下降。
为应对上述问题，作者提出了 AgenticDiffusion，将语言引导推理、开放词汇目标定位、基于视觉的扩散规划以及非线性模型预测控制（NMPC）整合进一条统一的空中导航流水线。系统接收一条自然语言指令，以及同步采集的第一人称视角（FPV）和俯视视角观测。在执行轨迹之前，框架会先判断哪个视角对当前导航任务包含更多信息，并据此生成任务计划，从而在探索阶段就减少盲目性与重复性。
在目标定位环节，框架使用开放词汇的 grounding 模型来识别并定位指令中提到的目标，使其不局限于预定义的封闭类别。随后，针对所选视角，扩散规划器生成可供无人机执行的导航轨迹，而 NMPC 负责底层的轨迹执行与约束满足。互补视角的引入是该方案的关键：FPV 提供贴近机体、细节丰富的局部信息，俯视视角则补充全局空间布局，两者结合有助于降低对同一目标的反复探索，提升杂乱室内环境中的导航效率。
作者在四个真实世界的 UAV 导航场景中对框架进行了验证，涵盖自适应视角选择、多阶段任务执行、长时程导航以及安全着陆点选择。在 40 次真实世界试验中，整体任务成功率达到 80%，而扩散规划器的轨迹生成成功率达到 100%。这些结果说明该多视角、语言引导的扩散规划方案在真实室内飞行中具备可行性，同时也表明从轨迹生成到完整任务完成之间仍存在一定差距，任务层面的成功率受到执行与场景因素影响。
论文于 2026 年 6 月 2 日 18:18:35 UTC 以 v1 版本提交，全文大小约 20.5 MB，可通过 PDF、实验性 HTML 以及 TeX 源码形式获取，并提供了 arXiv 与 DataCite 的 DOI 链接。该工作处于机器人学、人工智能与系统控制的交叉地带，对室内无人机自主导航、多视角感知与扩散模型在运动规划中的应用具有参考价值。