登录社区云,与社区用户共同成长
邀请您加入社区
本研究突破传统无人机单机自主导航的技术边界,将5G通信的低时延、大带宽、广连接特性与无人机的感知、控制、集群协同深度融合,结合你此前长期开展的无人机路径规划、多智能体协同、复杂环境避障的研究积累,构建“5G云边端协同赋能”的全新无人机技术体系,从底层通信架构到上层应用场景实现全维度创新,解决传统无人机在复杂城市空域中通信中断、算力不足、集群协同效率低的行业痛点。
随着人工智能、自动化和传感技术不断发展,无人机的商业价值已不再局限于设备本身。如何将无人机技术应用于企业的实际工作流程,并进一步形成可持续的服务收入,正成为行业商业化进程中的重要课题。ZenaTech主要从事人工智能无人机、无人机即服务(Drone-as-a-Service,简称DaaS)和企业级软件业务。自2017年以来,公司通过旗下ZenaDrone开展无人机设计、制造和软件研发,并将相关技术
摘要:根据GB46750最新标准,无人机需具备自主周期性广播功能,采用WiFi(802.11beacon)协议。通过手机APP(V1.09/V1.10版本)验证,成功监听到大疆Mini 4K、Avata 2、Air 3S以及道通Lite、EVOⅡV3、EVOⅡ等机型的广播信号,实现标准要求的无人机身份识别与追踪功能。测试覆盖主流品牌多款机型,验证了技术方案的可行性。
Gato是通用智能体发展史上的一个重要里程碑。它证明了用一个统一的序列模型处理所有模态、所有任务是完全可行的。虽然Gato还不是真正的通用人工智能,但它向我们展示了一条清晰的道路:只要我们有足够多的多样化数据和足够大的模型,我们就可以训练出一个能完成各种任务的通用智能体。就像论文中所说的:“Transformer序列模型作为多任务多载体策略是有效的,包括真实世界的文本、视觉和机器人任务。未来,这样
农业物联网可视化管理系统正推动传统农业向精准化、智能化转型。该系统通过传感器实时采集环境数据,结合5G通信和大数据分析,构建"感知-平台-应用"三层架构,实现农田监测、智能预测和远程控制。典型应用包括智慧温室、精准灌溉和养殖管理,显著提升资源利用率和生产效率。未来将向全息化、自动化发展,通过AI算法实现无人化操作,为农业科研提供数据支持。这一技术革命将经验农业转化为数据农业,是
本文提出构建"空天地一体化"城市治理与应急管理体系,通过无人机智能感知与调度系统实现立体化防控。方案融合低空经济、AI、5G等技术,重点解决森林防火、城市应急、物资投送三大场景问题。系统采用云-边-端协同架构,包含无人机集群指挥、AI研判、应急投送等核心功能,支持50架无人机并发作业,实现秒级预警、分钟级响应。通过部署固定翼无人机、多旋翼无人机和自动化机库等基础设施,构建全天候
实现从订单生成、仓储分拣、干支运输到末端交付的全业务闭环,有效解决传统物流在高原山地等复杂地形、行驶船舶等动态场景、高时效需求下的链路中断、效率偏低、全程溯源困难等问题,提供安全、高效、可追溯的低空物流服务。驿航实现货船与服务站双向无缝衔接,支持无人机全天候自动起降、智能避障,搭载 AI 船舶识别跟踪算法,完成动态精准投送,缩短配送时长,降低船舶停泊成本,提升航运运营效率。聚焦 3-15 公里短途
AiBrainBox-V 本质不是摄像机,而是智能感知节点。新关键能力:Target Geo-Localization。AiBrainBox视觉相机通常:60–120 fps。2️⃣ Rolling shutter + 飞机振动。2️⃣ 没有 Rolling distortion。高速目标检测:AiBrainBox明显更强。形成组合:AiBrainBox-V + 吊舱。吊舱:Rolling Shu
👉 GNSS拒止 + 多模态。
本文详细介绍了PX4飞控多源定位融合的实现方法,重点讲解了GPS+视觉融合定位的配置方案。主要内容包括:1)PX4的EKF2定位架构及核心参数EKF2_AID_MASK的配置方法;2)三种Python实现方案(基础版、进阶版和高级版),涵盖参数设置、数据接收和状态监控;3)室内视觉定位和室外GPS+视觉融合两个典型应用案例;4)常见问题排查与性能优化建议。文章提供了完整的代码示例和参数配置指南,帮
本文提出了一种基于深度Q网络(DQN)和粒子群优化(PSO)的无人机三维路径规划方法。该方法通过DQN学习环境状态与动作价值的映射关系,结合PSO对候选路径进行全局优化,实现了在高维连续空间中安全高效的路径规划。项目在MATLAB环境中构建了完整的仿真平台,包括三维环境建模、DQN网络训练、PSO路径优化和可视化评估模块。实验结果表明,该方法能有效处理复杂障碍物环境中的路径规划问题,具有较好的环境
AiBrainBox-V1 是一款面向无人机的视觉感知与导航模块,融合 VIO(视觉惯导)、地图匹配与边缘 AI。²流媒体服务:突破5G等无线网络动态IP的挑战,让设备主动、智能地推流上云,告别传统拉流的被动与局限。²飞行服务:从任务规划、地图建模,到一键起飞、指点飞行,实现无人机作业的集中化与智能化。典型应用场景:精准降落、视频语义感知飞行(巡线飞行)²实时目标检测(YOLO) -支持第三方RK
随着AI技术的狂飙突进,大模型的终极归宿必然是跨界融合的具身智能。无人系统作为承载硅基智慧与现实物理世界互动的先锋载体,将在未来的通用人工智能版图中发挥不可估量的核心作用。在通往具身智能的浩瀚征途中,高保真仿真平台既是护航科研探索的安全底座,也是加速理论走向实践的催化剂。飞思实验室期望通过RflySim这一完整、高效、高扩展的实验基础设施,助力广大高校和科研团队搭建起从“大模型算法创新”到“真实机
而无人集群则通过大量低成本个体的协同,实现对空间、时间和功能的全面覆盖。物理层负责提供运动能力和载荷能力,通信层负责信息流动,控制层负责协同行为生成,任务层负责目标分解与资源调度,而人机交互层则为人类提供对集群进行监督、引导和干预的接口。从概念上看,无人集群并不是指简单意义上的多台无人设备同时工作,而是指由一定规模的无人系统通过持续的信息交互和智能协同,为完成共同目标而构成的有机整体。同时,人类与
因此,设计一套“粗簪化”的AI模块产品线,覆盖从入门型到旗舰型的不同算力等级,同时保持统一的接口标准和通信协议,是一种常见且合理的工程策略。本文以Tofu系列AI识别跟踪模块为例,从算力、接口、算法、功耗等维度进行技术对比,探讨边缘AI模块的选型思路。然而,不同场景对算力、功耗、体积、接口的需求差异巨大——一台固定安装的安防相机和一架无人机吊舱,对AI处理单元的要求完全不同。全系列标配人、车、船、
本文提出基于AI技术的湖泊违法行为智能检测解决方案,旨在解决传统人工巡查效率低下的问题。方案通过高清摄像头实时监控湖泊区域,运用深度学习算法精准识别违规捕捞、污水排放等违法行为,并实现多平台实时告警。系统设计包含三大核心模块:支持多终端访问的视频汇聚平台、基于深度学习的AI识别系统(采用目标检测和行为分析算法)、以及多级权限管理机制。该方案有效应对了复杂环境下的识别准确性、数据实时性及系统安全性等
摘要:OpenClaw作为开源AIAgent平台,正推动建筑行业数字化转型。其核心功能包括AI识图管理、智能方案编制、自动合规审查和实时技术交底,解决了图纸管理低效、方案编制繁琐等痛点。通过案例证明,该系统能显著提升深基坑、高支模等专项工程的设计效率,实现974项合规要点的自动审查。未来,OpenClaw将向主动风险预警和"现场即图纸"的智能校准方向发展,通过开源生态推动行业协
图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法,对叶片氮浓度(A–C)、叶面积指数(D–F)、地上生物量(H–J)、籽粒产量(K–M)构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量;图8最优组合模型引入纹理特征后对叶片氮浓度(A)、叶面积指数(B)、地上生物量(C)、籽粒产量(D)的估算结果LNC
优势:DDPG通过端到端学习连续控制策略,避免了传统方法对精确模型的依赖,在非线性、高维状态空间中表现优异。其在倾转旋翼无人机中的应用已覆盖姿态控制、路径规划与多模态过渡等场景。挑战训练效率:复杂动力学下的样本需求量大,可结合优先级经验回放(PER)加速收敛。鲁棒性提升:引入TD3(双延迟DDPG)抑制Q值高估,或结合模型预测控制(MPC)增强抗干扰能力。硬件部署:需优化算法实时性,适配嵌入式飞控
本文介绍了一个用于无人机战场侦察的军事目标检测数据集,包含9,978张标注图像,涵盖6类关键军事目标(BRT、DOM、DST等)。数据集已按标准YOLO格式标注,并划分为训练集(6,994)、验证集(1,984)和测试集(1,000)。该数据集覆盖山地、丛林、城市废墟等多种复杂战场环境,包含大量小目标和遮挡场景,适用于YOLO、Faster R-CNN等目标检测模型的训练与评估。作者强调了高质量数
随着无人机技术的不断发展,无人机群编队控制在众多领域展现出巨大的应用潜力。在军事领域,无人机群编队可执行侦察、监视、攻击等任务,通过协同作战提高作战效能。例如,在边境巡逻中,多架无人机编队飞行,能够扩大侦察范围,及时发现潜在威胁。在民用领域,无人机群编队可应用于物流配送、农业植保、电力巡检、大型活动表演等场景。比如在物流配送中,多架无人机编队可同时运输货物,提高配送效率;在农业植保中,无人机编队能
本项目旨在设计并实现一个高效、精准、用户友好的无人机自动识别与综合管理系统。系统核心采用当前最前沿的。
摘要: 城市治理正迈向数字化“智治”时代,依托统一的空间数据模型、全域感知网络和AI决策引擎,构建城市综合治理数字化智慧服务平台。该平台整合GIS、5G、云计算、物联网等技术,实现“一网统管”下的实时监测、智能预警与跨部门协同,显著提升工单处理效率(提升约30%)和市民服务响应速度。典型案例显示,平台通过AI视频识别、数字孪生等技术优化燃气安全、洪涝预警等场景,并推动低空经济等新业态治理。未来,平
云边协同是ROS/ROS2系统的关键架构,通过边缘计算处理实时控制(1ms周期)和数据预处理,云端负责AI推理和全局规划,解决算力与延迟的矛盾。典型应用包括:边缘执行机械臂运动控制和点云降采样(带宽降低90%),云端进行焊缝缺陷检测并下发轨迹参数。实现需配置DDS跨域通信、PTP时间同步和分层QoS策略,同时部署实时Linux内核保障边缘节点性能。该架构已成功应用于智能工厂质检场景,使20台机器人
一网统飞是政务主导的低空统一管理平台,核心解决政务低空资源分散、传统巡检效率低下、低空飞行管理不规范及隐患处置流程繁琐四大问题。系统通过无人化自动作业、AI 智能算法 + 全自动航线规划、全流程闭环管理(异常事件秒级自动告警、工单一键派发)及多场景统一管控,实现巡检效率提升。系统适配电力、交通、城市治理、森林防火等多行业场景,支持国产化部署与数据本地化处理,确保安全合规,打造 "一飞多用、一网管控
多智能体无人机系统在现代社会的诸多领域有着广泛的应用。在军事领域,它们可执行侦察、监视、攻击等复杂任务,通过协同合作提升作战效能。例如,多架无人机组成编队,从不同方向对目标区域进行全方位侦察,能获取更全面准确的情报。在民用领域,多智能体无人机可用于物流配送,多架无人机协同完成货物运输,提高配送效率;还可应用于灾难救援,如在地震、火灾等灾害现场,多架无人机协同搜索幸存者、输送救援物资等。这些应用场景
多智能体系统(上)协调开销大;DACo(右侧)通过明确的"全局指挥官+局部执行官"角色划分,在简化系统设计的同时,实现了更稳健的长时序导航推理,在R2R、REVERIE、R4R三个数据集上取得了4.9%到6.5%的绝对成功率提升。可以预见的是,未来的VLN智能体,将是一个既能“仰望星空”(进行长远规划和想象),又能“脚踏实地”(在复杂环境中精确执行)的通用物理世界助手。随着核心技术的成熟,VLN的
在无人机高速避障领域,Ego-Planner等传统的模块化规划方法受限于感知-规划-控制的累积延迟,往往难以兼顾高速与安全;而RL等纯端到端的强化学习虽然敏捷,却因缺乏理论上的安全保障而被视为黑盒。的这项工作,最令人振奋之处在于巧妙地构建了一套混合架构。在训练阶段,利用引导 RL 智能体跳出局部极小值陷阱 ,实现了全局可达性;在部署阶段,则引入了基于的安全滤波器,将神经网络输出的动作实时投影到可行
非支配排序遗传算法(NSGA)是一种多目标优化算法,旨在解决具有多个目标函数的优化问题。NSGA是在遗传算法的基础上发展而来的,它通过一种称为"非支配排序"的策略,将解空间中的个体分为不同的等级,并通过交叉和变异等遗传操作来搜索适应于多个目标的优质解。NSGA首先对种群中的个体进行非支配排序,即根据个体之间的优劣关系将其划分为多个不同的前沿等级。一个个体如果在某个目标函数上优于另一个个体且不劣于另
无人机在当今社会的应用日益广泛,从快递配送、环境监测到复杂的救援任务,其在三维空间中的路径规划至关重要。高效且安全的 3D 路径规划能够确保无人机顺利完成任务,同时避免与障碍物碰撞。非支配排序遗传算法(NSGA - II)作为一种强大的多目标优化算法,能够在多个相互冲突的目标之间找到最优的权衡解决方案,为无人机 3D 路径规划提供了有效的途径。本文将深入探讨基于 NSGA - II 的无人机 3D
WebGIS、无人机与AI技术融合构建了新一代智能巡检系统。该系统通过WebGIS实现三维可视化,无人机采集实时数据,AI进行智能分析,形成"空天地一体化"解决方案。技术架构包含前端可视化层(Cesium/Three.js)、业务中台层(AI推理/数据处理)、数据存储层和无人机设备层。应用场景涵盖电力巡检、智慧工地、农业监测等领域,解决了传统巡检数据孤立、响应滞后等问题。关键技
此次展会接连与卡塔尔、沙特的本土标杆企业达成合作,是市场对我们技术与服务的双重认可,而媒体的广泛关注,更让中国低空安防技术的声音在中东市场进一步传播。DTI作为沙特本土领先的先进无人机技术企业,深耕沙特及中东无人机市场多年,在高性能无人机硬件、AI驱动的无人机软件、无人机一体化应用解决方案等领域拥有核心技术优势,业务覆盖石油天然气、矿业、建筑、安防监控、能源等多个关键行业,是沙特推进无人机技术自主
平台首先把卫星影像、街景、三维建模与实时传感器数据统一到 GIS 数据库,实现离线‑在线双模式定位。随后,AI 驱动的热点分析模块通过深度学习识别人流聚集、消费行为和安全隐患,自动在地图上绘制热力图,帮助社区管理和商圈运营快速定位重点。情景模拟与数字孪生功能基于 GIS 的空间约束和 AI 的情景预测,构建“如果‑那么”模型,模拟新店开业、道路改造或公共设施升级对客流的影响。智能推荐引擎结合用户画
接受不完美:100%的检测率在农业场景中既不必要也不现实,追求业务可用的精度更重要多维信息融合:单帧RGB图像信息有限,要融合时间序列、多光谱、空间上下文人机协同迭代:将模型不确定的案例交给农艺师复核,持续优化场景化定制:玉米田的解决方案不能直接用于水稻田,必须针对具体作物定制真正的农业AI,不是在实验室刷高指标,而是在烈日下的田埂边,与老农一起蹲着,理解每一片叶子被遮挡的意义,每一个斑点背后的故
在无人机农业AI的道路上,“数据荒”是挑战,更是门槛。它淘汰了那些只会堆数据、蛮力训练的项目,而奖励那些能巧妙运用数据策略、先进算法和领域知识的团队。记住,在农业这个与自然打交道的领域,数据的“质”(代表性和多样性)远比单纯的“量”更重要。从一张精心标注的图片开始,通过智能的流程让它生长、进化,你最终构建的将不仅是一个识别模型,更是一套可持续的、越用越聪明的田野感知系统。这条路,始于对第一张图片的