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 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 智能无人集群协同感知与进化技术 空地跨视角差异显著 多源目标表观差异大 通用表征学习能力弱 多智能体协同交互难 挑 战 难 点 关 键 技 术 创 新 多机全局局部匹配网络 多智能体社会化学习 空地协同感知模型 利用 Transformer 搭建了一种多机协同追踪架构： • 利用 Transformer Encoder 实现模板与搜索区域 的自动建模。 • 对多个模板的注意力权重加权作为依据剪枝 架（ TMM 2023 ） 社会化学习通过多智能体间数据与知识的定向性交互共享 ， 实现了协同进化 n 社会化学习范式可以通过智能体之间的关键样本交互和知识交互 ，从而实现新知识学习 n 在保留个体原先任务认知能力的基础上 ，获取其他智能体的任务知识 ，进而实现机器社会中多个个体的协同进化 创新：针对开放环境下的群智演化 ，提出兼顾专业性和通用性的社会化学习范式（ ICML 2024 ） 创新：针对跨任务下的协同进化

-20—80 摄氏度 0-99% 检出限 0.001ppm 0.015ppm 0.02ppm 0.015ppm 0.004ppm 3ppm 0.1 摄氏度 0.01% 测量原理 PID 电化学 电化学 电化学 电化学 激光散射 热敏电阻 湿敏电阻 负载介绍：工业级高端任务系统，功能特性丰富 高精度气体传感器 ● 软件与无人机完美适配 ● 上千种气体传感器可以随时更换，系统带有自动识别功能。

....................................................................................... 126 2.3.4 强化学习技术................................................................................................ ................... 506 xxx -7- 2. 基于强化学习的协同策略优化框架...........................................................................................507 3. 基于层次强化学习与元学习的协同决策................................ UAV-Snow 数据集上 Jetson T X2 延迟降至 18ms。该轻量化策略为机载部署提供关键技术支撑。针对低空语义复杂性，S nowMaster[134]结合多模态大语言模型（MLLM）与强化学习反馈：文本提示（如"农田积雪"） 指导视觉修复方向，反馈循环动态调整去雪强度，使农田监测的作物识别准确率提升 11%。 其语义驱动范式开创任务自适应新路径。为优化边缘细节，Bidirectional

升级改进， 以适 应不断变化的市场需求和技术进步。 20 七、关键原材料与零部件深入剖析 1、钢材与铝合金：传统材料的新应用 钢材与铝合金作为工业生产中的经典材料，长久以来因其独特的物理和化学 性质在航空领域占据一席之地。在低空经济产业链中，这些材料通过创新工艺的 应用，被赋予了新的特性与功能。例如，铝合金由于其低密度和高比强度的特性， 在轻型航空器和无人机机体结构件中应用广泛。铝合金具有良好的抗腐蚀性和易 材料的创新应用，共同塑造了低空经济产业链的高效与耐用特质。 2、工程塑料与陶瓷基材：轻质高强新选择 工程塑料与陶瓷基材作为轻质高强材料的新兴代表，它们在低空经济产业链 21 中的应用日益增多。工程塑料因其优越的重量比、耐化学性以及易加工性在无人 机和航空器的非承载结构部分得到了广泛运用。例如，在机体外壳、旋翼、推 进 器以及电子仪器外壳中，工程塑料的应用显著降低了整体结构的重量，提升 了飞 行器的性能。 高熔 此外，金属基体复合材料的使用，如金属基陶瓷复合材料，正逐渐改变着航 空航天工业的材料格局。它们在保持轻量化和高强度的同时，增加了耐磨损和抗 冲击的特性，适用于制造关键运动部件。而纳米复合材料的出现，以其独特的物 理和化学性能，为材料科学带来了革新，它们在热管理、电磁屏蔽和结构强化等 方面展现出卓越的潜力，进一步推动了低空经济产业链的技术进步和性能提升。 3、碳纤维与玻璃纤维：复合材料新篇章 碳纤维与玻璃纤维

链环节 场景名称 场景介绍 场景建设 地点 需求类别 需求名称 需求内容 可提供的支持 （场景所需的场地、数 据、资金等） 单位名称 联系人 联系方式 信息 有效期 中游 基于深度 强化学习 算法的智 能化空中 交通管理 场景 通过搭建智能化空中 交 通 管 理 系 统 ， 在 UTM、飞行服务站、 无人机机场、无人机起 降点、无人机航路的建 设及运营管理等阶段， 提供对全量无人机（含 入库的合规飞行器，及 未经批准的“黑飞”飞 行器）进行侦查、监测、 驱离、反制等功能，打 造基于深度强化学习 AI 算法以及集中式管 控逻辑的软硬件一站 式解决方案。 四川全域 人才需求 AI 算法人 才需求 深度强化学习算法人才引进， 强化学习领域的企业、高校科 研团队。 1.搭建虚拟仿真环境的 算法及研发团队； 2.雷达、光学、电磁等 多数据源融合、态势感 性能的软硬件智能化子系统。 成都市域 微型无人机、 四足机器人、 服务机器人。 为无人自主系统提供自主导航与避障能力， 局部拒止定位精度可到厘米级，避障规划可 适配 PID、MPC、强化学习等控制模式。 成都国翼电 子技术有限 公司 丁军 13608082744 长期有效 中游 解决 方案 低空经济 空域管理 解决方案 针对当前低空飞行器管理和 安全的需求分析，开展实时监

避免冲突的重要性. Bai 等 [30] 全面总结了强化学习方法在具备智能能力的多 UAV 场景下的应用. 多 UAV 无线网络 (multi-UAV wireless network, MUWN) 提供了更强的资源承载能力, 但在面对不同环 境条件下的决策和多目标优化时, MUWN 的有效运行需要更高水平的自动化和智能能力. Bai 等分析 了强化学习在 MUWN 中的各种应用, 包括数据访问, 感知和收集 chain, SFC) 部署问题. FANESTs 的动态性质以及对网络攻击的敏感性, 对 SFC 的部署提出了严格要求. 为解决 SFC 布局中资源分配 的合理性和安全性问题, Lu 等提出一种强化学习算法, 对部署过程设置严格的安全级别限制, 量化了 部署过程中的影响因素, 实现了 SFC 的动态部署. Yue 等 [36] 研究了空地立体化交通场景下的通信资 源分配问题. 该场景下的资源分配存在两个问题 故障发生后, 快速定位根因并生成恢复策略, 如业务迁 移、动态重路由等, 通过分布式资源编排与节点协同调度, 保障业务 QoS. AI 方法库是上述 3 个模块的智能化底座, 部署了包括深度学习、强化学习、生成式人工智能等 一系列当前最先进的 AI 方法. 这些方法以孪生模型为输入, 利用数字孪生层作为运行环境和仿真平 台, 输出业务编排、资源调度和故障自愈策略并不断迭代优化, 推动低空智联网向更高层次的自智网

顺丰科技围绕低空物流构建 “金专业” ，涵盖无人机运营、 无人仓管理等领域 ，聚焦行业发展核心方向。 金课程贴近应用 顺丰 “教与学、 理论实践、 校产对接”三位一体模式 ， 通过物流调度、 需求预测等真实任务强化学生实战应用 能力。 “ 五金”教学体 系 PART 03 政策支持与机制创新 民航局《智慧民航建设路线图》 提出建立 5G 、 北斗等地面设 备标准体系 ， 为低空经济基础 设施建设和人才布局指明方向。 济宁某学校无人机应急救援仿真平台集 30 个高仿真模块， 支持学生反复演练 ，提升实战水平。 数据驱动教学 通过分析学生错误率调整教学重点 ，如在智能控制系统 原理模块增加案例讲解与实验环节。 AI 个性化学习 利用 AI 分析学生飞行模拟表现 ，精准识别薄弱环节并 推送定制训练内容 ，提升学习效率 30% 以上。 VR/AR 沉浸教学 利用 VR 技术模拟恶劣气象条件下的无人机飞行 ，提升 学生应对复杂环境的操作能力。

多种技术手段，包括地面监测站、无人机、气象 balloon 以及卫星 遥感等，形成一个覆盖广泛的监测网络。 低空监测不仅仅是对常规空气质量指标（例如 PM2.5、PM10、NOx、SO2 等）进行监测，还包括对特定颗粒物 和化学物质的追踪，以识别污染源与来源。通过对低空环境中污染 物的实时监测，相关部门可以及时作出反应，采用针对性措施，减 少有害物质的排放。 低空监测的关键特点包括实时性、覆盖面广、数据精确性和可 PM2.5、PM10、NO2、SO2、O3 等主要污染物进行实时监 测，确保数据的及时更新，以便及时预警。 2. 水质监测：通过在河流、湖泊等水体中布设水质监测设备，实 时监测水中的溶解氧、化学需氧量、重金属含量等指标，确保 水源的安全和生态的健康。 3. 土壤污染监测：建立土壤监测网络，重点监测重金属及有机污 染物的含量变化,以评估土壤的健康状况和农业产品的安全 性。 4. 噪 体传感器，适用于多种气体检测，例如：  二氧化硫(SO₂)  氮氧化物(NOx)  一氧化碳(CO)  臭氧(O₃)  挥发性有机物(VOCs) 这些气体的浓度变化将对环境质量产生重要影响。我们通常采 用电化学传感器和半导体传感器，其特点为低成本、体积小且易于 集成。 其次，对于颗粒物监测，我们需要选择能够准确测量 PM2.5 和 PM10 等颗粒物浓度的传感器。推荐使用激光反射和光散射原理 的颗

10 架 32 320 3.2 智能管理系统 低空运营平台：对接民航 UTMISS 系统，实现飞行计划自动报备、审 批状态实时跟踪；支持多用户权限管理，保障数据安全。 AI 调度中枢：基于强化学习算法，动态规划最优飞行路径，避开禁飞 区与拥堵空域；支持多无人机协同作业，提升任务执行效率。 电子围栏系统：划定园区内禁飞区、限飞区，无人机超出边界时自动 触发返航或悬停，保障飞行安全。

供决策依据。 通信中继保障 分析低空大气折射率、湍流强度等 参数，优化系留气球或无人机中继 平台的高度与位置，确保极端天气 下应急通信网络的稳定性。 毒害气体扩散预测 耦合气象数据与化学传输模型，模 拟火灾、化工厂泄漏等事故中有害 气体的扩散路径与浓度分布，指导 疏散路线规划与救援力量部署。 重大活动保障 为大型赛事、国际峰会等活动定制 " 低空气象一张图 " 系统，实时监控禁飞区内的微气象变化，