，“看不准”和“看不全”的挑战 “ 看不清 ” 雨雪雾恶劣天气和低光照环境降低 了无人机对目标的感知清晰度 “ 看不准” 低空感知模型进化难 “ 看不全” 多机跨视角感知难 “ 看不清” 复杂环境全天候感知难 低空感知 基础模型自主进化技术 水情监测 研究挑战 关键难题 技术创新 低空复杂环境 全天候感知技术 安防巡检 多机跨视角 协同感知技术 应急搜救 成果应用 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 空天地水协同进化智能无人集群感知平台 团队荣获吴文俊人工智能科技进步奖一等奖等科技奖励 构建世界上规模最大无人机视觉数据平台 VisDrone 人工智能科技进步奖一等 奖 从被动感知到自主协同 ，构建支撑具身智能体与集群协同进化的下一代数据基座 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 VisDrone MultiDrone AnimalDrone DroneCrowd DroneVehicle DroneRGBT 建立低空无人机视觉计算领域和多个平台兼容的模型库并实现大小模型协同进化 多维评估体系 场景识别能力 定位检测能力 条件判断能力 推理思考能力 n 建立超过 10 亿图像 / 视频帧数据库 ， 开发低空多模态视觉推理大模 型 指令划分 场景数据 2000 万

复杂环境下 ，低空群体智能面临数据缺、 自主差、协同难的挑 战 、协作具身 感知推理 群体执行协调不稳定 多机具身协同难 ，导致群体具身智 能感策控实现难 性能进化难 灾难性遗忘 协同自主进化机制匮乏 ，导致感知 与持续学习能力双重受限 多机协同感知数据 协同感知与具身基础数据匮乏 ，导 致基座构建受限 “ 自主差” “ 协同难” “ 数据缺” 感知大模型 模型 2 类增量： 持续学习 进化前 进化后 性能进化： 1 +1 >2 面向 10 万 + 机场的海量巡飞数据 ，如何构建低空模型基座并自主进 化 产出价值： • 持续学习 • 模型进化 核心动作： • 广域知识学习 • 基础能力构建 核心动作： • 大小模型协同 • 能力持续进化 关键特征： • 多模态 • 非结构化 非结构化 海量低空数据 性 能 进 化 协同进化 边端协同 边端小模型 感知大模型 版本迭代 云端赋能 迭代进 化 类 增 量 场景解 析 关键目标理解 特征融合压缩 轨迹规划与优化 最优轨迹生成 动态跟踪控制 代价加权 板载指令执行 多项式轨迹 低空智能从环境感知、推理决策到控制执行各阶段割裂 ，亟需端到端学习范 式 往前向一点钟方向走。经过马路 以及灰白色的建筑后

和价值实现。通 过数据交易市场，数据提供方可以将自己的数据进行交易，数据需求方能够获取所需 的数据资源，实现数据的优化配置和价值最大化。 在智能升级方面，开发自主进化型 AI 分析引擎，不断提升平台的智能化水平。自 主进化型 AI 分析引擎能够根据数据的变化和业务需求的发展，自动学习和优化算法， 实现更精准的数据分析和决策支持。 在标准输出方面，积极参与制定低空数据国际标准，提升我国在低空产业领域的

缺乏统一标准和整合机制 数据孤岛现象明显 算法适配度低 准确度不满足需求 开源算法 传统小模型 缺乏系统性解决方案 场景技术迁移成本高 Platform Solution 处置 接单 模型自适应进化 大模型事件审核 模型生产流水线 任务编排智能体 无人机集群调度系统 l 机场机巢接入 l 无人机接入 l 分飞行区域划分 l 航行日程编排 百城百景 模型工厂 军航 政府部门

综合调度指挥 应急视频调度 高效协同 为了满足中心日常的工作指导、会议讨论、指挥管理等需求 ，力求打造建设一个先进化、信息化、国际化的低空飞行调度中心。为此特建设了以信息为 基础的全数字会议系统、扩声系统、智能中控系统、视频会议系统等一套音视频的解决方案 ，联动上下级建设驱动平台 ，来实现真正把数据集中到指挥中心

自优化: 集成各种感知信息, 结合内生 AI 能力与分布式框架, 低空智联网实现网络资源的自适应 调度. 自演进: 利用机器学习模型持续挖掘历史运行数据中的隐含规律, 搭建数据 – 知识 – 决策的闭 环进化, 逐步提升网络对复杂空域环境和任务需求的适应能力. 低空智联网的智能化内涵驱动网络管控范式的革新, 因此本文提出了数字孪生驱动的低空智联网 自智管控架构, 如图 1 所示. 架构分为低空网络层、数字孪生层和自智管控层

计算节点则作为全局算力调度中枢与数据中心，具备强大的计算与存储能力，可对来自大规 模的低空飞行器和边缘节点的海量数据进行集中分析、长期存储和模型训练，并将优化后的 算法模型和任务策略下发至边缘侧执行，实现全局优化与持续智能进化。 （2）端侧计算卸载与跨节点计算迁移 低空飞行器常需同时承担多项计算密集且时延敏感的任务，其机载算力和能耗受限，难 以独立完成所有处理任务。端侧计算卸载即低空飞行器将整个计算任务通过无线通信链路传

平方公里。未来，全国预计将部署超 过 10 万个机巢，覆盖全国 960 万平方公里土地，实现低空全域覆盖，产生海量的低空感知 数据。如何从海量低空数据中建立数据引擎，主要挖掘高质量数据，实现低空感知大脑的自 主学习和进化，是亟需攻克的技术难题。未来低空智能将主要聚焦低空基座模型、低空具身 智能、低空群体智能以及低空安全，衍生出低空世界模型及模拟器等新数据平台和引擎。 2025 年，VisDrone 团队通过低空 见表 1.2），这极大地制约了相关算法的针对性研发、有效训练与公平评估。这些瓶颈制约 了无人机在电力巡检、灾害救援等高价值场景的规模化应用。 为突破现有局限，低空底层视觉研究需向多模态协同建模与自主进化方向深化。一方面， 亟需建立“气象-视觉”联合退化模型，将大气散射方程等物理机理嵌入神经网络架构（如扩 展 MAP-Net 的物理记忆机制），并通过激光雷达点云辅助的空间感知增强跨模态对齐精度， 究应加强多机协同检测技术，通过 多视角、多尺度的观测增强小目标的有效像素，减少遮挡干扰，提升微小目标的检测精度。 这将有助于解决当前无人机在复杂场景下的小目标识别瓶颈。 算法闭环与具身智能协同进化。为了提高无人机目标检测的精度与智能化，未来应探索 具身智能感知-决策闭环系统的研发。该系统将目标检测深度嵌入无人机自主智能体架构， 并利用实时检测结果通过强化学习来优化飞行轨迹与避障策略。实现“检测-跟踪-决策-控制”

市自然资源低空监管体系年度迭代报告》。  衔接方式 每年初制定迭代计划，结合上一年度的问题反馈 与技术趋势，明确升级重点；年末组织专家评审与用户验收 确保迭代成果符合实际需求，同时启动下一年度的需求调研 与技术预研，保障体系持续进化。 通过三阶段的有序推进与紧密衔接，xx 市自然资 源低空监管体系将从局部示范走向全面覆盖，最终实现自我 更新与持续领先，为自然资源监管提供强有力的长期支撑， 助力 xx 市治理能力现代化水平不断提升。