........................................................................................85 5.1.1 编程语言选择.............................................................................88 5.1.2 开发工具..... 割、特征提取等功能，以支持后续的 AI 识别和分析。 考虑到项目的实际需求，以下是一些推荐的图像处理软件及其 特点：  OpenCV：作为开源的计算机视觉库，OpenCV 提供了丰富的 图像处理功能，并且支持多种编程语言，如 C++、Python 等。其强大的社区支持和持续更新使其成为图像处理领域的首 选工具之一。  MATLAB：MATLAB 提供了专门的图像处理工具箱，适合进 行复杂的图像分析和算法开发。其强大的矩阵运算能力和丰富 以降低学习成本和提高工作效率。 为了更直观地比较不同软件的优缺点，以下是一个简单的对比 表： 软件名 称 优点 缺点 OpenC V 开源、功能丰富、社区支持强大 学习曲线较陡，需要一定的编程基础 MATLA B 强大的矩阵运算能力、丰富的内置函 数 商业软件，成本较高 Photos hop 高质量的图像输出、用户界面友好 主要用于图像编辑，功能相对局限 GIMP 开源、免费、功能类似于

实时视频分析 理论计算法 API 接入 机场上云 API 接入 智能算法 API 接入 基础设备 中科云图无人机设备 操作系统 麒 麟 /openEuler Ubuntu/Debian 编程语言 Python 硬件平台 ARM 平台 英伟达 GPU 平台 昇腾 NPU 开发框架 PyTorch OpenMMLab YOLO OpenCV 产品模块 全域数据采集 消防大队 “ 在规定时间、规定区域的 流动商贩经营不做关注” “ 重点关注城镇居民区 的垃圾堆积” “ 对于游乐园、商场区域 的人群聚集无需上报” 只需要输入自然语言级 别的复核标准即可 原始检测结果包含多种信息 算法识别受限，误报率较高 严重干扰监管工作 符合需求的结果 有技术 有效率

.....................................................................................72 2.1.3.7 可拆卸编程多旋翼................................................................................................ 2.1.3.7 可拆卸编程多旋翼 Makeblock 成立于 2013 年，是一个 DIY 机器人搭建和 STEAM 教育学习平台。Airblock 是其旗下一 款采用模块化设计，可随意自由组装，实现无人飞机、气垫船、小车等多种形态的可拆卸可视化编程多旋 翼。通过蓝牙功能与手机或平板电脑相连接，在 Makeblock App 上可对无人机进行编程，不需要用户掌 握任何编程技巧。通过拖放的方式 握任何编程技巧。通过拖放的方式将程序代码组合起来，再按下确认键就可轻松操控无人机。如果你不喜 欢编程，可以直接使用操纵杆控制 Airblock。 Airblock 选用的材质是工程塑料泡沫，既轻便又耐用。无人机的旋翼被包裹起来大大增加了它的安全 性，让它既不容易在掉地时摔坏，也不容易划伤孩子，让孩子玩起来十分安全。模块与模块之间通过磁性 附着体接头相连接，即使撞到障碍物掉地后分成几块，也不会损坏。只需捡起来重新将其拼接好即可继续

.........................................................................................100 2.2.3 语言大模型................................................................................................ .......................................................................................379 7.2.4 视觉语言导航................................................................................................. ......................................................................................389 7.3.3 视觉-语言-行动模型..............................................................................................

数据分析师：针对飞行数据进行分析与处理，以提升飞行效率 和安全性，需具备大数据处理能力和统计分析能力。 3. 软件开发工程师：专注于平台软件的开发，包括飞行调度系 统、用户接口等，要求熟悉相关编程语言及框架。 4. 网络安全工程师：确保平台系统的安全性，防止网络攻击与数 据泄露，需掌握网络安全技术与政策。 其次，管理人才在项目实施过程中起到统筹协调作用，主要岗 位需求包括： 1. 项 同岗位的人才需求进行总结与量化： 人才类别 岗位 人数需求 关键技能 技术人才 无人机系统工程 师 5 飞行控制、传感器集成 数据分析师 3 大数据处理、统计分析 软件开发工程师 4 编程语言、软件开发 网络安全工程师 2 网络安全技术 管理人才 项目经理 1 项目管理、沟通能力 运营经理 1 运营管理知识 法律顾问 1 航空法规、商业法规 服务人才 客户服务专员 3 沟通能力、服务意识

，低空具身智能面临“不可靠” ，“不精准”和“不可控”的挑战 “ 目标理解不可靠” “ 动作生成不精准” “ 体系安全不可控” 行动路径撞上障碍物 动作生成误差导致机械臂需要执行 冗余动作才能完成任务 语言指令与场景理解不稳定 ，任务 目标识别易偏差 端到端决策难以解释 ，对突发场景 响应不足 ，系统级可靠性难以保 障 动作生成误差导致无人机机械臂操作效率低下 无人机并未导航至目标点就提前停止 万条轨迹指令， 是当前最大真实 感 VLN 语料 Travel UAV 发布 12k 条 6-DoF 轨迹 ，用于研究语 言辅助规划与控制协 同 VLD 首个面向 无人机 终端投递场景的 视觉语言导航数 据集 AerialVLN AirSim+Unreal 渲 染 25 座城市 ， 8k 人 类指令轨迹对 正加速推动群体智能 以 MDOT 为代表的单一视觉感知出发 ，群体智能正实现向复杂具身推理的跨 以及灰白色的建筑后 ， 目的地 就在你进入新街道前的一丛灌木。 大 语 言 模 型 语言编码器 感知理解 动作执行 你快到了。 目的地就在你右方 我离目的地近了吗？ [act] [que] LLM 预测头 进程 Δh 图像编 码器 语言输出 我离目的地近了吗？ 多模态 大模型 动作解码器 场景理解语义 飞行控制执行

吴文俊人工智能科技进步奖一等奖 l 吴文俊人工智能优秀青年奖 l 天津市自然科学一等奖 l 黑龙江省自然科学一等奖 l 天津市科技进步奖二等奖 l 中国智能交通协会科技进步奖二等奖 l 2022 CVPR 视觉语言多模态挑战赛冠军 l 2023 CVPR 开放世界目标检测挑战赛冠军 l 2024 昇腾 AI 创新大赛天津区域决赛高校赛道金奖 空军“无人争锋”挑战赛冠军 基础平台建设 构建了国内外广泛使用的无人机视觉基准数据平台 数据基座 感 - 策 - 控一体化构建 仿真－物理具身数据基座 大规模低空数据平台 支撑无人机全天候感知 多智能体自主交互 建立集群协同数据基准 视觉－语言－导航 (VLN) 多模态动态感知 多任务协同学习 视觉－语言－动作 (VLA) 多智能体社会化交互 群体态势自主感知 集 群 协 同 感 控 一 体 视 觉感 四 未来工作 一 研究背景 二

性 高 · 磁 铁 可 旋 转 调 节 创意屏 数字人 AI 数字讲解员 AI 导览员 低空展厅中 ， AI 数字员工可以化身展厅 AI 导览员 ， 7*24 小时在线随时切换语言 ， 为参观者提供沉浸式的迎宾、 讲解导览等体验 ， 加速数字化、 智能化服务升级。 • 智能化 • AI 数字人可表现出人类的情感状态 ，带来更便捷、更温情的交互体验。 他们可以回答问题、提供解释和讲解、 导参观者 ，解说 展品的细节 ，使参观者获得更具沉浸感和互动性的展览体验。 l 多媒体展示 l 虚拟对话 l 产品演示 l 自动迎接 l 导览服务 l 问答互动 l 虚拟表演 l 语言切换 • 互动性 • 电子沙盘可以增强参观者和展示内容的互动。通过触摸屏幕或其他 交互设备 ，参观者可以直观地操作模型 ，进行缩放、旋转等操作 ， 从而更好地了解展示内容。 • 动态性 语音导览讲解 、 灵活移动自由发言用 较少的扬声 器 实 现 更 大 范 围 的 声 场 覆 盖 人声部分高保真还原 ， 细节 表现丰富为参观访客 提供 更 清 晰 的 科 普宣传 • 语言清晰 、 无失真 、 声压余量充分 、 声场分 布均匀 、 无声反馈啸叫 ， • 支持多点视频会议 ， 促进远程协作和决策。 • 快速响应紧急情况 ， 提供高效的指挥调度。 •

代优化, 推动低空智联网向更高层次的自智网 络持续演进. 考虑到大语言模型 (large language model, LLM) 在语义理解、任务规划与内容生成等领 域表现出的卓越能力, 我们认为 LLM 可以充当 AI 编排器来调度 AI 功能. 具体而言, 网络管理人员 通过自然语言与 LLM 交互, LLM 可以精准理解语言背后的网络管理深层目标, 并自动拆解为原子任 务, 例如 “任务完成率 Networking” 的一个关键领域. 以 ChatGPT 为代表的生成式 AI 将颠覆网络智能管控的传统模式. 它们通过在大规模语料库上进行预 训练, 进而在多种下游任务中微调, 从而在网络智能管控和通信语言理解等方面展现出巨大潜力. 对 于基于数字孪生的网络管控机制, 生成式 AI 可以增强数据采集, 创造出更多的合成数据, 尤其是一些 敏感或高安全领域的数据和长尾数据, 从而填补真实数据中的缺口, 提升孪生模型精度; 提升孪生模型精度; 生成式 AI 可 以智能制定并执行网络管理策略, 或者快速产生多种设计和运行方案, 让网络运维管理人员或决策者 从中选择最优解, 减少传统方法下的尝试和错误; 借助大语言模型, 还可以实现更友好的人机协同, 使 得非网络专业人士也能够轻松理解和使用数字孪生模型, 显著提高了使用者对数字孪生模型的理解和 使用效率, 进一步扩大了数字孪生的应用范围. 数字孪生同样也能增强生成式 AI

耗，增强了飞行器续航能力。 先进的传感器技术使无人机能感知环境、避免障碍，如避障雷达和计算机 视 觉系统，提升了飞行安全性。轻量化材料与集成化电子设备进一步减轻重 量，优 化了操控性能。智能计算和自动化编程使无人机可自主执行预设任务， 拓展了应 用范围。5G 网络的引入促进了远程实时监控与高清视频传输，增强 了低空交通 管理的效率。 2、陀螺与起降系统：稳定飞行与灵活操作 陀螺仪技术的使用保证