登录社区云，与社区用户共同成长
邀请您加入社区
摘要：渗漏检测软件通过IoT和AI技术保障建筑防水安全，其精度测试直接影响结构安全与经济效益。测试从业者需采用结构化方法（单元/集成/精度验证测试），应对数据噪声、算法泛化等挑战。典型案例显示优化算法可使检出率从90%提升至97%。建议测试前移协作、自动化流程并持续学习新技术。随着AIoT发展，精度测试将持续为建筑安全提供关键保障。（149字）
摘要：本报告设计了一套智能养老系统跌倒检测传感器的响应测试方案，针对响应时间（≤2秒）、准确率（≥95%）、误报率（≤5%）和漏报率（≤3%）等核心KPI进行验证。测试采用混合策略，通过模拟老年人日常活动和跌倒场景，结合硬件传感器与自动化测试工具。结果显示平均响应时间1.8秒，准确率96.5%，误报率4.2%，漏报率2.8%，整体KPI达标率92%。发现误报多源于环境噪音，建议优化滤波算法和穿戴设
算法调度的本质是在业务需求与物理约束之间寻找平衡点。无人机调度是在和“物理极限”（显存容量、带宽、算力）做斗争，追求的是高效的吞吐率与实时性；而机器人调度是在和“逻辑复杂度”（依赖管理、状态流转）做斗争，追求的是业务逻辑的准确性、鲁棒性与灵活性。
摘要：智能建筑外立面检测系统正革新传统人工检测方式。通过无人机、AI、BIM等技术的融合应用，该系统能高效识别裂缝、空鼓等缺陷，实现三维可视化定位和预测性维护。这种数字化解决方案不仅提升了城市建筑安全水平，还推动行业向智能化、精准化管理转型，为智慧城市建设和可持续发展提供技术支持。
1. 冲突避免：多无人机同时作业时，极易出现飞行路径交叉、空域争抢等冲突，利用 ABC 算法规划时，需额外增加约束机制，如基于时间窗或空间分离的策略，确保无人机之间保持安全距离，避免碰撞。未来，随着硬件算力提升、算法改进融合，基于 ABC 算法的无人机路径规划有望实现更精准、高效的多场景应用，推动无人机产业迈向新高度。然而，无人机要安全、高效地完成任务，精准且优化的路径规划至关重要，特别是在复杂的
无线图传，机箱副屏，手机副屏，带屏拓展坞，AI算力卡，MINILED算法，电竞高刷方案，视频信号转换方案，AR/VR显示方案，便携显示器方案，液晶屏驱动方案，DLP投影方案无线图传收发模块，HDMI无线图传，DP无线图传，真无延迟图传模块，超高清无线图传模块，4K HDMI无线图传
优势：DDPG通过端到端学习连续控制策略，避免了传统方法对精确模型的依赖，在非线性、高维状态空间中表现优异。其在倾转旋翼无人机中的应用已覆盖姿态控制、路径规划与多模态过渡等场景。挑战训练效率：复杂动力学下的样本需求量大，可结合优先级经验回放（PER）加速收敛。鲁棒性提升：引入TD3（双延迟DDPG）抑制Q值高估，或结合模型预测控制（MPC）增强抗干扰能力。硬件部署：需优化算法实时性，适配嵌入式飞控
通信模块支持国内三大运营商5G高速接入，支持5G NR/LTE/WCDMA多种制式；内置5G天线SMA接口4个，支持5G MIMO大带宽、高速率通讯；CPU模块采用安全自主可控的瑞芯微RK3588嵌入式硬件方案，支持国内操作系统，麟Linux、统信UOS等。机载AI盒子作为无人机轻量级高算力飞行大脑，主要实现无人机的信号增强、SLAM边缘计算和兼容控制功能。用于外接激光雷达模块，通信信号为百兆以太
杭州市政府近期接连发布《杭州市支持低空经济高质量发展的若干措施》及《关于推动经济高质量发展的若干政策（2025年版）》，明确将低空经济列为五大风口潜力产业之一，并宣布组建规模达30亿元的低空产业基金。杭州低空经济已形成**余杭“中国飞谷”、钱塘“低空智谷”、萧山“空港枢纽”、临平“算力中枢”、建德“航空小镇”、桐庐“物流科技”**六大特色产业区。从政策设计到生态构建，杭州的低空经济战略展现了一座创
白鹭群优化算法（Egret Swarm Optimization Algorithm, ESOA）是一种模拟自然界白鹭群体行为的优化算法，它通过模仿白鹭在觅食过程中所展现的群体协作与个体智能的相互作用，来寻求问题的全局最优解。在传统的群体智能算法中，每个个体在寻优过程中都有一定的行为模式，白鹭群优化算法通过集体行为和个体行为的相互配合，优化了寻找全局最优解的过程。全局最优解是根据所有个体的适应度值
技术发展的日新月异，阿木实验室将紧跟技术的脚步，不断把机器人行业最新的技术和硬件推荐给大家。如果你在机器人行业，就请关注我们的公众号，我们将持续发布机器人行业最有价值的信息和技术。气球机器人是一种利用气球作为飞行平台的可编程飞行器，它利用浮力作为主要升力，在灵活性、稳定性和安全性方面展示了巨大的潜力。更是气球机器人的一项重要技术。为了验证昇腾AI芯片在气球机器人场景的性能满足度和技术完备度，引领室
摘要：本文基于SqueezeNet算法提出了一种大疆无人机型号识别方法。通过MindSpore框架构建轻量级模型，采用包含Inspire等四种机型的图像数据集，经过数据增强和30个epoch训练，验证集准确率达94.5%。SqueezeNet通过Fire模块的"压缩-扩展"结构，在保持80%ImageNet Top-5精度的同时将参数压缩至4.8MB。实验表明该方法能高效识别无
芯片集成了射频前端、模数转换（ADC）、1090ES信号处理、电源管理等功能，可以极大的改善ADS-B IN接收设备的体积、重量与功耗，实现了ADS-B接收设备的低功耗与小型化。鲲鹏KS8100R芯片支持1090ES数据链的ADS-B数据解析，可通过UART和SPI接口输出DF17/ DF18报文，未来还将支持UAT接收功能、ADS-B OUT功能。无人机：无人机通过集成ADS-B IN接收功能（
摘要：MAVLink是连接AI算法与无人机飞控的关键协议，通过Offboard模式实现外部电脑控制无人机。本文介绍了如何搭建AI伴机系统（Linux+MAVLink+Offboard），包括硬件配置、软件环境搭建和Python脚本示例。重点演示了电网巡检场景下的视觉目标检测与绕飞控制闭环流程，强调实时性要求（延迟<200ms）和故障保护机制。文章还提供了性能优化建议、常见问题解决方案以及仿真
AirSim 是由微软开发的跨平台、基于 UnrealEngine 的无人机/汽车仿真环境，具备：🎯高保真物理引擎支持真实动力学、风扰动、传感器噪声等，使训练结果更接近真实世界。📍丰富的传感器模拟深度摄像头、激光雷达 LiDAR、惯性测量单元 IMU、GPS/RTK 等，可与深度神经网络直接输入对接。⚙️多平台可迁移性支持 Windows、Linux，可输出训练模型部署到真实无人机系统。📡支
当应用于无人机航拍图像时，YOLOv8等标准检测器面临重大挑战，包括极端尺度变化、微小目标以及复杂背景。它们的通用特征融合架构容易产生误报和漏检小目标。为了解决这些限制，我们提出了一种基于YOLOv8改进的MFDA-YOLO模型。该模型在骨干网络中引入了基于注意力的同尺度特征交互（AIFI）模块，以增强高级特征交互，提高对多尺度目标的适应性，并强化特征表示。在颈部网络中，我们设计了无人机图像检测金
Genesis是一款面向机器人、嵌入式AI和物理AI应用的高性能综合物理仿真平台。该平台支持多种机器人类型（无人机、人形机器人等），具备10-80倍于现有GPU加速模拟器的运算速度，同时保持高精度和真实感。核心功能包括通用物理引擎、机器人仿真、照片级渲染和数据生成引擎。
城市宜居环境评估正迈向智能化时代。融合GIS、大数据与AI的体检系统，通过量化环境舒适度、生活便利性等空间指标，实现精准"诊断"城市问题。该系统支持实时监测、规划模拟和公众参与，为科学决策提供依据，推动公共服务均等化和城市更新精准化。未来，随着技术深度融合，评估将更加智能化和个性化，真正实现"以人为本"的城市治理目标，让城市成为居民诗意栖居的乐园。
摘要：随着月球采矿的兴起，低重力环境（地球1/6）对软件测试提出新挑战。本文分析传感器漂移、控制算法失效等核心问题，提出分层测试方法：通过物理模拟设施和数值仿真工具（如Unity3D）模拟低重力条件，采用边界值分析和故障注入测试策略。行业案例表明，重力适配测试可减少40%采矿失误。未来需结合AI预测模型，构建智能测试框架，为太空矿业提供可靠保障。（149字）
法规滞后性：现有航空法规难以适配超低空飞行器特性芯片卡脖子：高算力机载芯片国产化率不足30%安全冗余设计：复杂气象下智能避障可靠性需提升当北斗定位网、5G通信网、AI智算网在低空融合交织，一个"三维立体交通"时代正加速到来。据同济大学预测，到2030年，中国低空经济将催生50万个新岗位，降低城市物流成本40%。这片曾经寂静的空域，正在时空智能的驱动下，成为中国经济高质量发展的新蓝海。低空不是目的，
无人机加速器模块的技术核心在于多源数据融合、实时滤波与高鲁棒性控制，其难点集中于小型化、抗干扰和精度维持。未来将更依赖边缘AI算力和新型通信技术，以实现全自主集群协作与极端环境作业。表：无人机加速器模块性能对比。
本文系统探讨了智慧海关货物识别AI的测试策略，聚焦测试框架设计、核心指标评估、工具链应用及风险管理。采用分层测试方法（单元-集成-系统测试），重点监控准确率、召回率等关键指标，使用TensorFlow Extended等工具进行模型验证。针对海关场景的特殊性，提出混沌工程、AI伦理测试等创新方案，强调测试在公共安全中的关键作用。文章为测试团队提供了从技术实施到风险管控的完整指南，助力构建高可靠性的
它证明了：当LLM的决策能力与物理世界的配送系统无缝融合，医疗资源的“最后一公里”可以被彻底打破。：医疗AI的价值不在于“替代人类”，而在于“赋能边缘”。当LLM成为乡村医生的“隐形助手”，技术便不再是奢侈品，而是通往公平医疗的必经之路。下一次，当我们讨论“AI改变医疗”，请记住：它正在中国乡村的田野上，以15分钟的速度，重新定义生命的重量。如今，大语言模型（LLM）与无人机技术的融合正打破这一困
摘要：低空飞行仿真与少儿编程结合，为6-14岁孩子提供科技学习平台。分阶段学习路径：小学低年级通过Scratch学习基础概念，高年级至初中进阶Python编程和无人机控制，有基础者可参与算法优化和AI应用竞赛。建议从虚拟仿真过渡到实体操作，通过创意项目深化技能，并注重安全教育。后续可延伸至物联网和AI领域，参与教育部白名单赛事。提供免费微课、大学课程等资源推荐，强调以兴趣驱动、软硬结合的学习方式。
本文介绍了一个PB级院线级电影多模态数据集，包含3万小时高质量影视资源。该数据集将每部电影拆解为视频、音频和字幕三条独立数据流，保持严格时间对齐，并附带完整元数据信息。数据优势包括高清画质、专业内容、丰富场景和多模态拆解，适用于文生视频模型训练、多模态融合研究、视频检索和影视编辑等多种应用场景。该数据集解决了现有视频语料在质量、多样性和工程处理上的不足，为视频大模型训练提供了优质基座。
AirSim是由微软开发的一个开源模拟平台，旨在为无人驾驶、无人机、自动驾驶等领域的研究提供一个高质量、可定制化的仿真环境。AirSim支持高精度的物理引擎，可以模拟复杂的环境、物体运动以及传感器数据。无论是在地面机器人还是空中无人机的路径规划实验中，AirSim都能够提供一个高度真实、低成本的虚拟测试平台。通过与深度强化学习算法相结合，AirSim为无人机路径规划实验提供了极大的便利和可能性，使
针对传统栅格地图易丢失细小障碍物信息的问题，团队提出了一种基于机载3D激光雷达感知与Sim-to-Real强化学习的端到端无人机自主飞行框架，设计了一种任务相关的稀疏感知表征，在大幅压缩数据量的同时保留了对电线等微小目标的敏锐捕捉能力。（BM-MCTS）算法，能在复杂的未知环境中，根据实时的能量与时间，动态规划出最优的“飞行-地面”切换策略。实测显示，该系统能在有限的机载算力下实现10Hz的实时重
例如，需结合历史算力使用数据预测需求，并通过无人机调度算力扩展设备（如可拆卸的算力模块）进行实时调整。无人机边缘计算设备通常受限于体积和重量，导致其计算单元（如CPU、GPU）的算力有限，难以应对突发的高负载任务（如实时图像处理、AI推理）。算力弹性扩展：通过无人机搭载可插拔算力模块（如FPGA加速卡），结合齿轮驱动机构实现模块的自动安装与卸载，提升边缘设备的灵活算力调整能力。多无人机系统中，不同
RaceVLA项目实现了视觉语言动作(VLA)模型在高速竞速无人机上的首次应用，开创了端到端自主导航新范式。该系统基于OpenVLA模型优化，通过处理FPV视频和自然语言指令直接生成4D飞行控制向量，展现出优异的动态环境适应能力。分布式架构设计结合高性能服务器和定制无人机平台，实现了4Hz的实时控制频率。迭代控制策略确保飞行连贯性，在泛化性能上显著优于OpenVLA和RT-2模型。这项研究为无人机
在无人机技术快速普及的当下，传统通信技术（如 4G、WiFi）已难以满足复杂场景下无人机对低时延、高可靠性、大带宽的需求。5G 技术凭借毫秒级时延、10Gbps 级峰值速率、每平方公里百万级连接数的核心优势，成为破解无人机应用瓶颈的关键支撑。本文从通信链路、飞行控制、任务载荷、场景适配四大维度，提出 5G 辅助优化无人机的创新方案，覆盖技术原理、实施路径与典型场景验证，为无人机向 “高可靠、广覆盖
模拟环境是随机生成的，具有不同的物理属性（例如，楼梯尺寸、地形粗糙度、地面摩擦力），强化学习算法最大化的目标函数包含不同的项，这些项反映了机器人在不跌倒或碰撞环境部件的情况下执行导航指令的能力。首先，它使我们能够利用现有的基于模型的运动控制器来解决它擅长的部分问题，同时将学习重点放在策略中更难编程的部分。随着我们的机器人不断扩展到新的环境并执行更多类型的工作，我们预计机器学习将在我们机器人行为开发
本项目基于深度确定性策略梯度（DDPG）算法，实现了无人机三维路径规划的完整解决方案。通过MATLAB平台构建了包含环境仿真、智能体训练、路径规划等模块的系统，主要特点包括： 创新性地结合DDPG算法与无人机动力学模型，解决了连续动作空间下的路径规划问题； 设计了多维状态表示和奖励函数，实现动态避障和最优路径规划； 采用经验回放和目标网络机制保障训练稳定性； 提供从数据准备、模型训练到部署应用的全
本文深入解析微机电系统(MEMS)技术，揭示其从微观结构到宏观应用的革命性影响。文章首先通过卡西欧PROTREK手表展示MEMS如何将传统传感器微型化，实现系统级芯片集成。其次分析MEMS市场快速增长的动力，特别是智能手机等消费电子产品的需求驱动。重点探讨MEMS面临的核心挑战：封装需兼顾保护性与功能性，测试需同时满足电学和机械要求。最后以无人机飞行控制系统为例，详细剖析高性能MEMS传感器在姿态
为此，该研究提出了一种基于模仿学习的解决方案，旨在训练一个神经网络来模仿名为TOPPQuad的、基于模型的、高精度的规划器，从而大幅加速轨迹的生成过程。为解决此问题，研究者提出了分层协同自博弈框架，一种分层强化学习方法，它将复杂的控制策略分解为两个层次：一个负责团队战术的、中心化的“事件驱动式”高层策略，以及一个负责具体飞行动作的、去中心化的底层。2025年，在顶级机器人学习会议CoRL上，研究者
但在政策完善、技术突破后，有望在特定场景作为配送补充。目前仍需解决法规细化、技术成熟、成本降低等核心问题，预计大规模商用还需 3-5 年。
轻量化高精度：MEMS工艺推动IMU尺寸<40mm³，但零偏稳定性<1 deg/hr仍需量子陀螺突破。智能融合架构：LLM驱动多模态推理提升环境理解，但算力功耗制约机载部署。拒止环境导航：地磁/惯导/视觉紧耦合是主流方向，磁异常梯度算法显著降低对卫星依赖。
无人机多编队路径规划，自主避障三维空间无人机集群编队控制，避障，无人机开发matlab仿真，支持多旋翼飞行器（包含四轴和六轴）、Ros无人机仿真，具有Slam导航、定位、路径规划、自主避障等功能。ROS，Gazebo,PX4无人机仿真环境Ubuntu18.04，实现圆轨迹、8轨迹飞行无人机、无人车路径规划，避障，无人机集群飞行无人机集群避障、多智能体协同控制、路径规划① 四旋翼编队控制：包括目标分
无人机
——无人机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
DAMO开发者矩阵
九章云极普惠算力
鲲鹏昇腾开发者社区
火山引擎 ADG 社区
