背景介绍 随着无人机（UAV）技术的快速发展，无人机拍摄的低空遥感图像在灾害管理、搜索与救援等任务中得到了广泛应用。然而，无人机图像中的小目标检测（small object detection）仍然是一个具有挑战性的问题。由于小目标在图像中仅占少数像素，且分布不规则，现有的目标检测算法在这些场景中的表现往往不尽如人意。特别是，尽管一些现有的检测器引入了多尺度特征融合（multi-scale feature fusion）模块以提高检测精度，但这些传统方法常常忽略了目标与背景之间的权重关系，导致小目标在深层特征图中的重要性被削弱。此外，广泛使用的交并比（Intersection over Union, IoU）度量及其变体对小目标的位置误差特别敏感，这显著影响了基于锚框（anchor-base...

基于多无人机的高效分散式时序规划器用于时空野火防控 学术背景 野火是全球范围内对生物多样性和资源可持续性的重大威胁，尤其是在初期阶段。若未能及时控制，野火的规模可能会迅速扩大，导致严重的生态破坏。近年来，多无人机系统（Unmanned Aerial Vehicles, UAVs）在野火防控中的应用逐渐增多，主要是为了减少人类在危险环境中的暴露，并提高应急响应的效率。然而，现有的研究大多局限于搜索、监测或灭火等单一环节，缺乏对多无人机协同任务的综合研究。尤其在资源有限、无人机数量不足、野火动态变化的部分可观测环境中，如何高效分配无人机任务以进行早期野火防控仍是一个复杂且具有挑战性的问题。 本文提出了一种冲突感知的高效分散式时序规划器（Conflict-aware Resource-effici...

基于非专家策略强化学习改进无人机视觉受限环境下的避障能力研究 近年来，无人机（Unmanned Aerial Vehicle，UAV）凭借其卓越的机动性和多样化的功能，广泛应用于包裹递送、风险评估和紧急救援等民用领域。然而，随着无人机执行任务的复杂性、范围和时长的增加，其自主导航的难度也显著上升，尤其是在拥挤且高度不确定的环境中实现避障。然而，传统的全球导航方法通常依赖全局信息，难以处理视觉受限条件下的障碍场景。本研究的目的是解决这些场景中的避障问题，提升无人机的实时导航能力。 此外，尽管基于深度强化学习（Deep Reinforcement Learning，DRL）的避障算法通过端到端处理方式表现出色，能够减小计算复杂度并提升适应性和可扩展性，但它们的采样效率偏低，需要大量的样本迭代以实...

基于生成模型的无人机行为意图识别：从行为到自然语言的跨模态研究 背景及研究目标 近年来，无人机（Unmanned Aerial Vehicle，UAV）技术取得飞速发展，广泛应用于民用与军事领域，如搜索救援、农业精准作业和通信中继等。然而，随着无人机群规模的扩大以及智能化水平的提升，空中指挥与控制领域对于更高水平的智能需求日益迫切。在复杂的对抗环境中，提高无人机的“态势感知”（situation awareness）水平已然成为关键问题，尤其是如何有效识别无人机的操作意图。这一识别过程有助于揭示对手操作意图与战术欺骗间的关系，优化信息在指挥层级中的流动，并为决策提供指导。 传统基于分类任务的意图识别方法受到数据库分布失衡和鲁棒性差等问题的限制，导致分类精度难以应用于现实复杂场景。本研究提出了...

具备完全神经形态视觉与控制的自动驾驶飞行器 背景与研究动机 过去十年间，深度人工神经网络（ANNs）在人工智能领域取得了巨大进步，特别是在视觉处理方面。然而，这些先进的视觉处理技术在实现高精确度的同时，往往需要大量且耗能的计算资源，这使得其在小型飞行机器人等资源受限的情况下难以应用。 针对这一问题，神经形态硬件通过模仿生物大脑的稀疏、异步特性，实现了更高效的感知与处理能力。在机器人领域，神经形态硬件中的事件驱动相机和脉冲神经网络（SNNs）具有低延迟、低能耗的潜力。然而，当前嵌入式神经形态处理器的限制和脉冲神经网络训练的挑战使得这些技术主要应用于低维度的感知和动作任务。 为解决这些问题，本文展示了一个全神经形态的视觉到控制的流水线，用于控制飞行中的无人机。具体而言，我们训练了一个脉冲神经网络...