登录社区云，与社区用户共同成长
邀请您加入社区
无人驾驶/无人机和具身智能机器人方向博士申请大湾区大学与跟北师港浸会大学有意愿签订合作协议，预计会招收一批 26级 9 月份入学的合作博士。学生毕业时获得【香港浸会大学的博士学位】。有意者可联系 bangquanxie@gbu.edu.cn. 另，课题组长期招收博士后（50W,清华/中科大出站证书，且聘副研究员）、特任研究员、科研助理、访问学生等。HelpAI 课题组网站：https://www.
区别于普通的业务管理系统，本项目核心亮点在于算法调度能力，不再依赖人工干预和单一条件筛选，通过轻量化自研多维度派单算法，实现无人机资源与服务订单的最优匹配，适配低空经济中小型服务团队的实际调度场景。同时整体算法无复杂依赖，纯Java原生逻辑实现，运算效率高，不会对服务器造成压力，适合高并发订单调度场景。需要客观说明的是，本方案为轻量化工程化调度算法，主打稳定落地、低成本部署，适用于中小型低空服务调
需要客观说明的是，所有实验均基于作者自建的AIR-VLA基准开展，且仅在理想仿真环境中验证，模型应对真实场景风扰、传感器噪声等问题的能力，仍有待检验。两套动作的损失函数沿物理边界独立反向传播，既保留各自运动特性，又输出完整动作序列，规避了传统MoE轨迹断裂的问题。整体来看，AIR-VLA+ 是一次成功的架构创新，有效解决了空中机器人动作耦合的行业难题，具备很高的参考价值。的空中复合机器人时，问题就
2026年7月将举办多场国际学术会议，涵盖人工智能、通信、能源、材料科学等多个领域。会议地点遍布国内外，包括法国、成都、北京、广州等。主要会议包括无线通信与智能电网（ICWCSG2026）、具身智能与大模型（EILM2026）、光电信息与通信技术（ICOCT2026）等。更多详情可咨询学术顾问获取主题匹配和投稿信息。
YOLO融合Qwen/DeepSeek多模态交通监测系统｜路面人车多目标实时检测流量统计智能分析Web工程
而是以自动机场为前哨，以任务管理为中枢，以联动机制为神经，以平台能力为底座，把园区非法入侵侦测真正做成一条完整链路。当无人机抵达现场后，实时画面如果能同步关联位置、时间、事件编号、目标轨迹等信息，可真正成熟的体系，会把每一次巡逻、每一次告警、每一段航迹、每一份画面都沉淀下来。机场管理、任务调度、视频回传、AI识别、设备管理，各自承担自己的职责。如果系统还能进一步识别人员、越界、徘徊、异常停留、违停
本文介绍了基于YOLOv8模型的无人机海滩垃圾检测系统构建方法。系统使用包含1949张640*640分辨率图像的无人机航拍数据集（采集高度30-60m，含5类垃圾），通过以下步骤实现：1）准备YOLO格式数据集并配置data.yaml文件；2）搭建Python环境安装ultralytics库；3）加载YOLOv8模型进行训练（可调整epochs等参数）；4）实现图像/视频流推理功能，包括边界框标注
本文记录了基于STM32F407的无刷电机六步换向驱动实验，核心内容包括：1. 关键概念：区分机械角度（转子实际旋转角度）与电角度（电磁相位角度，=机械角度×磁极对数），指出机械0度需通过磁性编码器Z相校准；2. 死区时间：分析其必要性（防止上下桥臂直通烧毁MOS管），给出STM32死区计算公式及配置示例；3. 实践问题：解决电机抖动（电角度方向与换相表不匹配）、零位校准（需补偿机械角度偏移）等关
你是否遇到过这样的困扰：用n8n搭建的工作流明明功能强大，但总觉得数据调用不够灵活？今天，我将带你解锁n8n + fastgpt + MCP Server的王炸组合，用最直观的方式补全n8n短板，让你的工作流瞬间“开挂”！n8n + fastgpt + MCP的组合，不是简单的“1+1+1”，而是“指数级”的效能提升！它让自动化工作流真正具备“智能大脑”，既能处理复杂知识库，又能灵活调用外部工具。
当前植保无人机选购渠道呈现多元化格局，品牌直营店、综合电商、线下农资门店、个体代理商并行发展，但受行业门槛参差不齐影响，参数虚标、机型和地块不匹配、补贴申领受阻、后续维保无保障等采购乱象频发，买农业植保无人机去哪里买，已成为涉农经营主体普遍关注的现实问题。对于仍在纠结买农业植保无人机去哪里买的各类涉农用户而言，深耕低空产业的懂飞帝能够依托完备机型储备、透明报价机制、标准化配套服务，助力种植户、植保
3、在动力学建模的过程中，本文选取的平面位置参考坐标系和转动角度参考坐标系，对机体受到的外力和力矩进行了分析，并列出了线运动方程和角运动方程。4、在无人机动力学模型基础上，采用经典PID控制算法对其内环姿态和外环位置进行控制。基于MATLAB的四旋翼无人机PID双闭环控制研究1(设计源文件+万字报告+讲解)（支持资料、图片参考_相关定制）_文章底部可以扫码。2、文档先介绍了四旋翼无人机的国内外发展
本文目标：从零完成 MPU6050/ICM20608 六轴原始加速度、陀螺仪数据读取；开发环境：STM32CubeMX、Keil MDK5、HAL 库、I2C 通信；阅读说明：正文只贴核心功能代码，CubeMX 自动生成的底层初始化代码省略，完整工程仓库链接放文末。#define ICM20608_ADDR 0x68 // ICM20608 7位I2C地址#define ICM20608_PWR_
这一"先选类别再生成描述"的两步策略，是为了规避直接提示大语言模型生成场景时出现的类别偏斜问题——研究人员发现，直接提示时模型会过度生成某些类别（如医疗相关场景）。有了文本描述后，系统通过GPT Images 2.0生成对应的参考图像，再将文本和图像一并输入Marble 1.1 Plus，生成高保真的3DGS场景。在当前的论文版本中，研究团队主要聚焦于数据集的构建流水线和统计分析，将其定位为训练下
2026年，推出的全新轻便航拍无人机将航拍体验推向新高度。这款249克的无人机，不光轻巧便携，还具备强大的影像能力、采用1/1.3英寸的高分辨率传感器视频，确保每个画面都清晰细腻。另外，ATOM3还支持长达50分钟的续航和16公里的图传距离，配合多种AI智能功能如AI跟随和夜景模式、为用户提供更加便捷的拍摄体验。这款无人机非常适合旅行、日常记录等各种场景创作、让用户可以轻松捕捉生活中的美好瞬间。博
在纷繁的市场中、微型无人机的选购显得尤为重要。2026年、博坦ATOM3因其和丰富等AI智能功能，成为了消费者关注的焦点。它支持视频拍摄，搭载高性能传感器、让影像质量无可挑剔。还有、其249克等轻巧设计、加上支持长达50分钟的续航时间、满足了用户在多场景下等需求。同时，大疆MINI3也凭借其便携性和优越性能，相对稳居在市场上的一席之地。还有，大疆LITO XA为新手量身定制，让无数新手飞行爱好者能
3.第五个是转换节点，随便找个包放进去，主要是将fast-lio发布的里程计信息提取出来，作为传感器的里程计数据，喂给fuel算法。1.前三个是规定步骤，启动roscore，打开gazebo基础的世界、无人机模型和通讯等，然后打开amov专门的控制模块。2.第四个是fast-lio算法，将mid360数据进行建图。
本文详细介绍了AirSim二次开发的核心技术，包括如何为无人机仿真项目添加自定义传感器和修改物理引擎参数。通过实战案例和代码示例，帮助开发者掌握AirSim插件化架构、传感器集成、物理引擎调优等关键技能，提升无人机仿真项目的定制化能力。
本文详细介绍了如何利用AirSim仿真平台中的相机和激光雷达传感器快速验证视觉SLAM算法。从虚拟场景构建、传感器配置到数据流水线搭建，再到算法验证方法论和高级调试技巧，提供了一套完整的实战指南，帮助开发者高效测试无人机或无人车的视觉导航系统。
本文深入探讨AirSim二次开发，从传感器定制到场景建模的全流程实战指南。通过解析核心架构、传感器配置优化及山脉景观工程改造实例，帮助开发者掌握无人机仿真中的高级定制技能，提升视觉导航等应用的仿真精度与效率。
本文详细介绍了如何在AirSim仿真平台中为无人机添加自定义传感器，以事件相机为例，从源码修改到实际调用的全流程。通过代码示例和配置说明，帮助开发者快速掌握AirSim二次开发技巧，提升无人机仿真能力。
本喵所作精品，Chatgpt接入无人机系列教程，【一】ROS-chatgpt部署
CounterUAVHub项目构建了一个轻量化无人机反制数据平台，采用Next.js静态站点技术方案。项目核心特点包括：复用AI Detector已验证框架降低风险；模块化目录结构便于维护和扩展；静态JSON+TS类型存储无人机频率数据，无需运行时数据库；Markdown管理博客内容；通过Git+Cloudflare+GitHub Actions实现自动化部署；并针对SEO进行了多维度优化配置（元
2026年，低空经济正式迈入“常态运营”元年。从“黑飞”到“智管”，从“试点飞行”到“规模化运营”，技术底座正在加速成型。5G-A通感一体让低空“看得见”，北斗高精度定位让飞行“连得上”，分布式电力推进让飞行器“不掉落”，三能一体氢能动力让续航“更持久”，数字孪生空域平台让管理“更智能”。未来五年，低空将是继新能源汽车之后最大的通信感知、边缘计算和AI智能体战场。从“遥控”到“智管”，技术代际跃迁
摘要：根据GB46750最新标准，无人机需具备自主周期性广播功能，采用WiFi（802.11beacon）协议。通过手机APP（V1.09/V1.10版本）验证，成功监听到大疆Mini 4K、Avata 2、Air 3S以及道通Lite、EVOⅡV3、EVOⅡ等机型的广播信号，实现标准要求的无人机身份识别与追踪功能。测试覆盖主流品牌多款机型，验证了技术方案的可行性。
本文提出了一种基于深度学习YOLOv12的无人机红外检测系统，旨在实现对行人（Person）、车辆（Car）、其他交通工具（OtherVehicle）及干扰项（DontCare）的高效检测。系统采用改进的YOLOv12算法，结合红外图像特性进行优化，在包含10,128张训练图像、715张验证图像和355张测试图像的自定义数据集中实现了高精度目标识别。系统设计包含用户友好的UI界面，支持登录注册功能
本文设计并实现了一种基于深度学习YOLOv11算法的无人机红外检测系统，用于实时检测行人（Person）、车辆（Car）、其他交通工具（OtherVehicle）及干扰项（DontCare）四类目标。系统采用改进的YOLOv11模型，结合红外图像特性优化检测性能，并在自制数据集（训练集10,128张、验证集715张、测试集355张）上达到较高精度。此外，系统集成用户友好的UI界面，支持登录注册功能
四旋翼无人机凭借其灵活的机动性和广泛的应用前景，在航拍、物流配送、农业植保等诸多领域发挥着重要作用。然而，四旋翼无人机在飞行过程中会受到各种内外部扰动的影响，如空气动力学干扰、传感器噪声以及模型不确定性等，这些扰动严重影响了其飞行的稳定性和控制精度。为解决这一问题，基于扰动补偿的自适应模型预测控制方法应运而生，该方法能够实时估计并补偿扰动，同时利用模型预测控制的优势对四旋翼无人机进行精确控制，有效
https://www.turbofaster.com/detail-9.html点击进入
结合FlyCore的硬件架构来看，RK3588具备本地计算能力，LQ-10可以提供飞控数据链路，MAVLink 提供标准化通信协议，再加上浏览器作为交互入口，就可以形成一套开发效率较高、调试路径清晰、后续扩展也比较方便的方案。过去要做一套无人机地面站，往往需要把前端界面、后端服务、通信协议、部署调试一项项打通：界面要设计，飞控数据要解析，指令链路要验证，最后还要部署到机载计算机或地面端设备上反复测
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
魔珐星云开发社区
openEuler 社区
DAMO开发者矩阵
AI Agent技术社区
AtomGit开源社区
AI硬件创业社区
AI编程社区
快递鸟社区
智能体开发者社区
DeepSeek技术社区
CSDN-OPC开发者社区
2048 AI社区
