AeroDuo团队 投稿

量子位 | 公众号 QbitAI

无东谈主机在复杂环境中不怕迷失标的了，飞速找到成见！

北航刘偲西宾团队提倡上下无东谈主机协同导航新范式，两台无东谈主机单干配合：高空无东谈主生动作“全景指导官”，隆重全局感知与推理；低空无东谈主生动作“大地窥探员”，延迟细巧导航与成见搜索，两者协同快速找到成见。

话未几说，来看实例。念念让无东谈主机“去湖边指定屋子隔壁找到那辆停在树下的汽车”，单台无东谈主神秘么飞得太高，看不到树下的汽车；要么飞得太低，顾不上屋子、湖泊这些宏不雅地标。单台无东谈主机在复杂环境中容易迷失标的，但当上下空无东谈主机协同作战，就能快速找到成见：

如下三张图分袂从“前视图、上下无东谈主机轨迹、概率瞻望图”角度，展示此决策如何责任：

像找小狗这么的微型成见，也能快速配合完成定位：

若成见物标有特定字母、翰墨面目也可精确匹配：

为救助该任务，团队基于UAV-Need-Help构建了HaL-13k数据集，并预备了互助框架AeroDuo。他们在Openuav仿真环境对AeroDuo测评，考据了其上下协同在环境遮掩、导航精度与自主性之间的有用均衡。

团队泄露，本文商议后果将发表于ACM MM 2025。以下是更多细节。

数据集构建

探究到UAV-Need-Help数据蚁集仅包含单无东谈主机信息，商议团队在此基础上补充相聚了高空无东谈主机的轨迹与感知数据，并优化部分原始轨迹，构建出HaL-13k数据集。数据集构建默示图如下：

高空无东谈主机策动政策

为提高上下无东谈主机系统的感知与决策能力，商议团队构建了多模态长入框架Pilot-LLM，欺诈大谈话模子进行多模态推理。

其中，为了更好地整合高空无东谈主机历史信息，商议团队提倡全局舆图构建模块，通过正射投影排斥畸变，并拼接历史图像生成长入坐标系下的舆图，提高环境解析与成见定位能力。

此外，为幸免精确坐标瞻望轻佻，接管轻量解码器生成成见概率散布图，兼顾探索能力与空间建模效果。

低空无东谈主机导航搜寻政策

低空无东谈主机接管三阶段导航搜索政策：当先，把柄高空无东谈主机的瞻望概率图登第高置信度区域的质心动作导航成见并麇集A*算法策动要津航点；随后，欺诈基于强化学习的避障政策，终了安全灵活的旅途延迟；终末，通过视觉谈话模子进行成见检测与定位。

团队泄露，改日这套协相似子能舒缓扩展到多机互助——在高空无东谈主机瞻望出成见概率散布图后，它不错索取多个潜在成见位置，并借助优化算法（如匈牙利算法）将这些任务分拨给各个低空无东谈主机。

同期，通过优化动作规矩确保安全避障，补充着实环境数据查验模子，也有助于将上下无东谈主机系统从仿真环境中移动到施行场景。

技俩主页：https://rey-nard.github.io/AeroDuo_project/开云官网切尔西赞助商