연구진이 시각 정보만으로 장거리 내비게이션을 가능하게 하는 VoLN(Vision-Only Long-Horizon Navigation) 패러다임을 제안했어요. VoLN은 기존 VLN 방식과 달리 경로 정보를 외부 지시가 아닌, 주변 환경 단서에서 얻도록 설계됐어요. VoLN-UAV 벤치마크는 7,210개의 에피소드로 구성되며, 드론을 활용한 장거리 비행, 3D 움직임, 시야 변화, 맥락 의존적 랜드마크 선택을 포함해요.
VoLN-MLLM은 시각적 특징과 의미론적 공간을 연계하여 관찰 기록, 목표 시점, 시각-의미론적 토큰, 고유 수용성 정보를 바탕으로 단기 웨이포인트 세그먼트를 예측해요. 테스트 환경에서 Easy, Normal, Hard 에피소드 각각 7.4%, 4.5%, 1.8%의 성공률을 기록했어요.