经济损失 154 亿 元 2022.9.5 四川泸定 6.8 级地 震 无人机精准识别被困群众 无人机及时探查灾区情报 无人机全时监测打击目标 “ 看不准 ” 无人机高速飞行 ， 目标位置密集 且动态变化 ， 降低了感知准确 度 “ 看不全 ” 单机视角有限且存在遮挡 ，无法捕 捉目标在所有角度下的特征 复杂环境下 ，低空智能感知面临“看不清” ，“看不准”和“看不全”的挑战 “ 看不清 (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 VisDrone 数据平 台 · 三 · 低空协同感知脑 混合专家动态融合 数据支撑 大规模、多源、多模态、多任务的协同感知开放数据平台 双向动态提示学习 复原融合一体化学习 复原融合一体化学习 多模态协同感知面临低空感知场景高动态、模态主导难选择、现实低质量数据退化类型复杂的 挑战难点。 实现复杂环境下无人机多模态动态协同感知 低空多模态动态感知难 模态主导难选择 感知场景高动态 多种退化类型复杂 多模态动态协同感知技术 挑 战 难 点 关 键 技 术 创 新 局部 - 全局的混合专家动态模型（ MoE-Fusion ） Gioc al(sio

提出了数字孪生驱动的低 空智联网自智管控架构. 依托自智管控闭环, 分别分析了低空网络层、数字孪生层、自智管控层的功 能, 并针对各个层次的关键技术, 包括低空组网覆盖和资源分配技术、网络资源孪生建模与状态同步 技术、动态网络性能状态的小尺度预测方法、业务需求自适应的资源映射机制和管控智能体部署方案 等, 进行了介绍. 结合关键技术, 本文进行了低空智联网自智管控实例设计, 验证了网络性能预测机 制、资源状态孪生同步机制以及低空网络自主部署机制的有效性 和低空飞行器已逐步发展为城市管理、应急救援、物流配送和环境监测 等关键应用场景的新型基础设施载体 [1]. 随着低空经济应用场景逐步清晰与持续深化, 低空领域的信 息服务需求呈现爆发式增长态势. 面对动态复杂的空域运行环境与差异化业务场景, 如何构建具备自 引用格式: 喻鹏, 谭灿, 李文璟, 等. 数字孪生驱动的低空智联网自智管控架构及关键技术. 中国科学: 信息科学, 2025, 55: 2449– 产业界共同关注的核心命题. 尽管地面网络覆盖和服务已经趋于完备, 但其在低空场景下的适配性仍面临显著瓶颈. 传统 5G 网络主要面向地面用户设计, 低空空域存在覆盖盲区; 固定拓扑的蜂窝架构难以适配飞行器高速移动 带来的动态连接需求; 复杂业务场景导致难以同时满足低空导航 (时延敏感型) 和三维建模 (计算密集 型) 等差异化需求. 在此背景下, 低空智联网 (low-altitude intelligent networks

性方案。 技术落地路径已形成明确迭代路线：第一阶段（6 个月）完成 10 万小时标注数据的本地知识库建设，第二阶段（3 个月）通过 P- Tuning 实现领域适配，第三阶段（持续优化）建立动态更新的模 型微调机制。当前制约因素主要存在于数据合规使用层面，需建立 符合《网络安全法》要求的边缘计算架构，某省级公安部门的部署 经验表明，采用联邦学习技术可使数据不出域的同时保持模型 95% 支持视频证据标准化上传，建立 5 级线 索质量评价体系 o 搭建 AI 预审通道，自动过滤重复/无效线索，降低警力筛 查工作量 60% o 实现重大案件线索 30 分钟内推送至辖区民警的快速响应 链路 3. 打造动态进化的系统能力 o 建立反馈驱动的模型优化机制，每周迭代更新识别算法 o 通过联邦学习技术，在保证数据隐私前提下实现跨区域 特征共享 o 系统误报率控制在 8%以下，并保持每年 15%的持续下 实时视频结构化分析：采用 YOLOv5s 优化模型，实现人车物 检测准确率≥92%（白天场景）  关键帧提取：每 30 秒保存 1 帧高清图片并生成特征向量  数据脱敏处理：对人脸、车牌信息进行动态模糊（模糊区域像 素偏差值＞15%）  异常事件初筛：通过行为分析算法识别打架斗殴、聚集等 6 类 异常场景，误报率＜3 次/天/路 云端分析层构建于分布式计算平台，包含三大核心模块： 1

.......................................................................................122 4.6.4. 动态展示................................................................................................. ...........................................................................................125 5. 动态监控监测系统（核心产品）.......................................................................................126 要设备设施进行实时安全运行 监管，并将静态 BIM 数字模型 与动态的实时监管数据融合， 建成基于 BIM 的精细化智能楼 宇管控平台，要求对建筑、管 线、变电所、水泵房、教室空 调、照明、开关等进行 BIM 数 字 建 模 ， 集 成 各 类 传 感 器 设 备，实现水电、热、暖采集的 数据进行动态联动，通过每 15 分钟进行数据更新，实现可视 化及动态实时监测和管理。1、 货物名称：BIM 智能楼宇管控 平台

“ 看不全” “ 看不清” “ 看不准” 单机视角有限且存在遮挡 ，无法捕 捉目标在所有角度下的的特征 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 无人机高速飞行 ，场景动态变化， 降低了感知准确度 语义稀密 从下往上 ，第三排中靠画面最左侧的红色汽车 这个路口中存在的违章行为与异常现象 低空视野广实例密。 在稀疏文本约 束 下 ，从细粒度视觉中辨析细节 ， modern machine learning practice and the bias-variance trade-off 》 提出双下降 ，修正经典 U 形曲线 ，揭示过参数化区域 新动态 1992 年：维度问题与统计估计 Geman, S., et al. 《 Neural networks and the bias/variance dilemma 》 系统阐述非线性模型的偏差 2020 年 大规模密集数据与 通用检测数据集 03 VTUAV 2020 年至 2023 年 多模态 动态感知数据集 02 DroneVehicle 04 低空环境感知数据呈现出多任务、 多模态和多源协同特性 以 VisDrone 数据集为代表 ，低空环境感知数据面临简单静态到动态复杂的演进。 AG-ReID UAV-123 现实空间推理 基于多源信息构建物理度量， 在真实环境中进行空间推理。

5G-Advanced(5G-A)融合的低空智联监视系统架构,然后针对虚警率高、数据融合失 效和非标目标检测困难等关键问题,提出了基于多维度信息融合与上下文理解的目标判别模型,并详细 阐述了包括时空动态分析与轨迹建模、微动特征分析等关键技术在内的综合解决方案。 通过系统测试 验证,该方案在复杂环境下实现了对各类低空目标的精准识别与快速响应,为低空智联监视体系的实际 应用提供了可靠的技术参考。 随着低空飞行活动在生产作业、城市交通等场景 中日益频繁,低空飞行器数量的快速增长与类型的多 样化对空域安全管理提出了更高要求。 当前,低空监 视系统主要面临 3 个方面的挑战:一是传统监管手段 难以应对复杂动态环境,无人机“黑飞”、碰撞风险频 发;二是多源感知“数据孤岛”现象严重,雷达、光电等 传感器信息缺乏协同;三是恶意干扰技术不断升级,导 致目标识别与追踪失效 [1]。 在此背景下,构建智能融 ADS-B)等多源数据融合,为合 作目标提供信息服务,更重要的是提升非合作目标的 检测识别率,然后进一步结合深度学习模型,实现对飞 行器行为意图的精准预测与异常事件的可靠告警;同 时,构建智能决策中枢,为空域动态管理、交通流量调 度、飞行冲突解脱及突发事件应急响应提供实时辅助 决策 [2]。 “联”(Connected & Collaborative)的维度则包括泛 在连接、协同感知和网联融合

4.1 数据协同构建跨层级数据流通体系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.4.2 任务协同实现多点协作与动态调度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 2.4.3 模型协同支撑智能能力演进 . . . . . . . . 应用成为云增长的新引擎，加速推动全球云计算产业向智能化方向发展。本章将 从上述云计算产业的新变化入手，探讨全球云计算技术的发展现状以及前沿技术演进趋势，重点分析头 部云厂商在云计算领域的战略布局、技术创新投入及其市场动态。本章还将结合国内当前的云计算发展 状况，分析我国在全球云计算竞争中的优势与挑战，探讨下一代云计算的发展方向。 1.1 研究图谱 2025：云计算产业和技术分析 系统 框架 基础 架构 AI优化 组合，构建端到端可控的 EC2 UltraClusters，支撑千亿参数模型训练， 并探索基于 CXL 3.1 的内存扩展架构以缓解 GPU 显存瓶颈。Google 在其 TPU v5p 集群中引入液冷封装与 动态调频技术，提升能效比，同时试点 GDDR7+CXL 混合内存方案，拓展通用内存容量。整体来看，云厂 商正通过芯片自研、高速互联与内存服务化，推动硬件架构从“封闭堆叠”向“开放协同”转型。 在软件

系统配置 • 系统集成测试 • 最终用户培训 • 模拟演练 • 上线切换方案制订与发布 • 系统运行流程及制度发布 • 系统运行支持体系建立 • 切换环境检查 • 系统上线动员 • 动态数据准备与输入 • 切换运行 • 上线运行支持 • 月结与评估 • 项目总结 • 持续服务 智能工厂（离散版）实施方法论 V2.0 项目启动 蓝图设计 系统构建 上线运行 持续支持 • 人员 成果物 工作方法与策略 ① 制定详细的动态数据转换计划 ② 检查数据转换进度和结果，监督 录入进度 ③ 对动态数据的完整性、准确性要 进行确认 角色 / 职责 客户方：项目经理、内部顾问、关键用 户、最终用户 用友方：项目经理、实施顾问 ① 控制动态数据的进度 ( 短、快 ) 、周期， 重点检核数据的准确性和有效 ② 动态数据录入的准确性方面要进行严格审 核，做好数据的签字确认和备份 态数据导入 •动态数据准备与转换方 案 .docx •动态数据准备完成确认 单 .docx ① 制定动态数据转换计划，下发执行 ② 动态数据的准备 ③ 动态数据输入 ④ 系统数据检查与更正 上线环境发布 运行体系建立 上线切换运行 阶段四：上线运行 数据准备与输入 2.4 阶段任务详解 - 上线运行 动态数据准备与转换方案 动态数据收集模板 动态数据准备完成确认单

Reconfigurable Intelligent Surface, RIS)是一种基于无源、准无源超材料设计的具有可编 ·31· ���E�����0 程特性的电磁表面结构 [2],通过动态调控阵元状态,智 能化调节入射电磁波的相位、幅度、频率以及极化状 态,使入射信号经过 RIS 透射或反射作用后,出射信号 在特定方向上实现干涉叠加,从而把能量聚焦于预设 区域,形成较高的波束赋形增益。 形成较高的波束赋形增益。 RIS 具有低功耗、体 积小、重量轻、低成本、易部署且易于实现较大的天线 口径增益等特点。 它不仅能够覆盖指定目标区域,而 且可以结合波束扫描和波束切换等策略实现移动用户 动态波束跟踪,有效重构无线电磁环境,提升网络深度 覆盖能力。 Q 0 � 0 � 0 Q�/m 10 000 3 000 1 000 600 "8�� �/C��E�/( n0 (1) 其中,s 为基站发送信号,w 为信道衰减因子, n0 是方 差为 σ 2 的加性高斯噪声。 H 为基站与 RIS 之间的信 道矩阵,g 为 RIS 与终端之间的信道矩阵,RIS 动态调 控能力将影响这两条路径的信道矩阵。 在无线通信系统中,当基站与用户终端之间的直 图 2 UAS 逻辑架构示意图 �� �� � ��

力与环境适应性方面的短板日益凸显，难以满足复杂、动态场景 下对智能化操作的迫切需求。 • 在生成式AI、通用大模型和多模态交互技术迅速演进的今天，通用智能的实现路径正从“算力+算法”向“智能+执行”扩展，机器人作为智能系统与 物理世界之间的桥梁，其操作能力与泛化能力被赋予全新的战略意义。在此背景下，自适应机器人作为兼具力控精度、多模态感知、动态反馈控制与 任务迁移能力的新一代机器人形态，正逐步 、市场份额等关键信息。 • 案头研究：通过收集和分析最新的市场报告、政策文件、新闻报道等公开资料，我们系统地回顾了自适应机器人行业的发展历程、驱动因 素、竞争格局等基本情况，有效把握当前市场的最新动态和发展趋势，为报告奠定了理论基础。 4 资料来源：灼识咨询 报告研究背景与研究方法（2/2） 研究方法论 • 具体研究方法： 二、模型搭建与测算： • 供需模型搭建：从专业的行业视角出发 本下降，自适应机器人预计将逐步渗透到工业以外的场景，如家庭、商业、医疗等，带动整体需求规模的进一步扩张。 ➢ 供给端：鉴于当前自适应机器人尚处于规模化应用前期，供给端分析更多地体现为对需求预测的交叉验证，并为未来市场渗透率的 动态调整提供参考依据。我们选取了全球领先的机器人企业，同时涵盖国际和国内的头部玩家，对其核心产品进行了系统化的梳理， 维度包括不同作业场景下的部署成本与运维成本、对应的人工替代节省成本、生产效率提升幅度、技术适配范围与可迁移性等。通