登录社区云，与社区用户共同成长
邀请您加入社区
需验证用户数据在系统各模块（采集、存储、处理、删除）的实时合规路径，传统人工测试难以覆盖分布式架构中的数据漂移现象。：AI系统处理的图像/语音等非结构化数据，需新型测试工具识别敏感信息（如人脸、声纹）的合规处理逻辑。：法案要求企业在45天内响应数据删除/访问请求，测试需构建压力场景验证系统极限处理能力。数据来源：2026年CCPA合规测试基准报告 [样本量：200家企业]结合PKI技术验证数据加密
摘要：云原生环境下，Kubernetes的自愈机制面临复杂场景挑战。传统规则驱动方式在故障预测和根因分析方面存在局限，而AI技术正带来革新：通过智能故障检测（如NodeProblemDetector强化）、AI决策引擎和闭环验证系统（如k8sGPT）提升自愈能力。测试实践需构建AI测试矩阵，结合ChaosMesh等工具验证MTTR等指标，并关注Spot节点回收等典型场景。未来将向多模态学习、强化学
在野外让无人机做 3D 扫描，真正难的不是“飞起来”，而是“飞得像个懂事的人”。作者认为未来的人机交互会从工程师预设的固定流程，走向用户驱动的个性化任务设计，但现实卡点也很直白：用户说的是自然语言，无人机懂的是动作与约束，两者缺一套“共同语言”，所以复杂任务经常落到“要么说不清，要么执行跑偏”。：这篇工作提出 VLA-AN，把“视觉-语言-动作（VLA）”这套大模型能力，真正塞进一台资源紧张的无人
摘要：康养旅游正成为全球热潮，但传统选址方式存在主观性和生态风险。基于GIS的智能决策系统通过三层架构（数据层、分析层、决策层）实现科学选址：整合多维空间数据，运用多准则分析模型生成适宜性分级地图，支持情景模拟与方案优化。该系统已在区域规划、投资开发和运营管理中发挥重要作用，未来将结合实时监测与AI技术实现个性化推荐，推动康养旅游从经验判断转向数据驱动的可持续发展模式。（148字）
摘要：汽车电子实时性验证面临嵌入式AI引入的新挑战，需在有限资源下确保毫秒级响应。采用分层测试方法，包括单元级时序优化、HIL集成测试和SOTIF场景验证。工具链通过确定性代码生成和运行时监控保障性能，某L3案例通过模型量化将延迟降至28ms。未来需应对对抗攻击、多核异构等挑战，数字孪生技术将提升验证效率。（149字）
摘要：南京农业大学团队将YOLOv5模型应用于猪舍监测系统，面临环境适配、实时性及异常场景等测试挑战。通过对抗生成网络优化训练数据，边缘设备加速处理至80ms/帧，并引入LSTM网络使产仔预警误差降至1.02小时。测试中重构农业AI特殊法则，建立生物学校验规则，采用三连触发机制降低误报率。系统引发技术伦理争议，最终设计双通道存储架构平衡数据主权，并增设"自主应对模式"保持最小干
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
VerseAI事件非终点，而是测试革命的起点。当算法摘得文学桂冠，测试从业者必须成为“AI缪斯的守门人”——用严谨的用例衡量浪漫，用精准的指标驯服混沌。未来属于那些既能调试二进制，亦懂品读十四行诗的测试工程师。
摘要 高原环境（如青藏高原）的低氧、低温、强风等极端条件对无人机飞行控制算法提出严峻挑战，需通过专业化测试验证其鲁棒性。测试框架包含全数字仿真、硬件在环（HIL）和实飞测试，重点验证稀薄空气下的动力补偿、传感器抗干扰及紧急返航逻辑。行业实践表明，结合数字孪生与多传感器融合测试可显著提升算法可靠性，未来需强化AI驱动的异常检测和自动化测试工具应用，以应对高原复杂场景的零失效需求。
针对道路设施养护与交通秩序管控需求，通过智能巡检航线规划与AI识别能力，精准捕捉排水管淤堵、道路裂纹、交通事故、应急车道占用等问题，同时支持巡检日报、周报、月报自动导出，为路政部门的养护决策、违章查处与安全管理提供精准、高效的数据支撑。为城市快速路、主干道提供动态、智能的空中巡查力量，通过常态化自动巡检，快速识别路面违停、交通事故、交通拥堵等突发情况并获取精准定位，结合事件闭环处理机制，助力交管部
无人机低空智能巡飞巡检平台是融合无人机技术、AI 算法、5G/6G 通信、GIS 地理信息系统与物联网的一体化解决方案，通过 "空天地一体化" 协同作业，实现对 500 米以下低空空域目标的无人化、自动化、智能化巡检管理，彻底革新传统人工巡检模式，为能源、交通、市政、安防等多领域提供高效、安全、精准的巡检服务。
AirHunt 展示的，并不是一个更大的模型，而是一种更清醒的系统设计观。当视觉语言模型进入具身系统，真正的挑战往往不在“能不能看懂”，而在看懂之后，这些信息要以什么形式、在什么节奏下，参与真实世界的运动决策。他们没有继续堆模型能力，而是把注意力放在了一个更工程化的问题上：让 VLM 不再直接“指挥动作”，而是以一种可持续、可复用的方式参与导航决策，从而在真实飞行节奏下依然保持语义引导能力。更重要
摘要：GIS技术正在革新湿地生态旅游模式，通过构建"数字孪生"系统实现智慧化管理。该系统整合环境数据与游客行为分析，科学划分保护区与游览区，优化旅游路线设计。移动导览App提供个性化体验，实时监测保障生态安全。这种技术应用既保护了脆弱生态系统，又提升了游客互动体验，在全球范围内展现出保护与开发平衡的示范价值。未来随着5G、AI等技术融合，湿地旅游将实现更智能的可持续发展。
本文将详细讲解如何在Jetson rin nano平台上部署yolo11自训练模型的tensorrt推理环境，在CSDN上搜了很多方案，踩了无数坑，发现适配性很差，而且各种库层层依赖，软件兼容性差。
*** @description 无人机实体类：封装属性、绘制逻辑、运动规则*/int x,y;// 无人机坐标（雷达扫描区域左上角起点）// 水平/垂直移动速度int size;// 无人机机身大小int state;// 无人机状态（预留扩展：如巡逻/战斗/返航）// 状态指示灯大小// 雷达扫描范围大小// 构造方法：初始化无人机核心属性this.x=x;this.y=y;// 机身默认30
CR401是一款尺寸长*宽*高38*43*14mm超小型化高精度厘米级定位RTK，面向航模、飞控、小型智能体对高精度定位和小型体积接收机有需求的场景。板载4G全网通，集成esim流量卡。内置司南高精度定位多模多频RTK模组，搜星更快、定位更准。搭载高性能IMU(6轴mems 3轴加速度计/3轴陀螺仪+3轴磁力计)。支持USB和微信小程序一键配置，告别繁琐RTK配网，定位快人一步。高质量MMCX天线
《元宇宙测试的范式革命》探讨了AI如何重构虚拟世界质量基座。面对10量级并发交互、6DoF运动验证等复杂挑战，传统测试方法已无法满足需求。文章提出三维解决方案：1）构建智能体协同测试框架，通过GAN合成极端行为、ST-GCN预测动画异常；2）开发多模态缺陷预测系统，检测纹理撕裂、声场坍缩等问题；3）实践案例显示AI方案使崩溃率从23%降至0.4%。未来测试将扩展到神经接口信号流验证，工程师需掌握空
AI安防系统存在严重脆弱性，研究表明仅0.1%恶意数据即可使模型准确率下降40%。主流攻击技术包括规避攻击（通过微小扰动欺骗模型）、模型投毒（污染训练数据）和程序化越狱（自动生成攻击代码）。防御需采用多模态验证、随机化输入等动态防护措施，并将安全机制嵌入开发流程。未来AI攻击将更隐蔽（如供应链潜伏）和物理化（3D打印对抗样本），防御需向可验证训练演进。关键指标要求对抗检测延迟<100ms，误
农业AI测试在无人机驱动的作物预测系统中具有关键作用。研究表明，未经充分验证的模型误差率可达20%以上，凸显测试的必要性。测试需覆盖三个层面：数据层（完整性、时空一致性）、模型层（单元测试、集成测试）和系统层（实时性、容错性）。重点包括多光谱影像质量验证（SNR>30dB）、跨环境泛化测试（RMSE优化）和极端场景模拟（误报率降低10%）。推荐工具链含TensorFlow DataGen、M
从交通管理中的车辆识别、电动车检测，到农林生态领域的作物病害分析、林木盗伐监测，再到城市治理中的违章建筑排查、垃圾堆放识别，星图云开放平台凭借 AI 技术重塑低空智能应用逻辑，深耕空基算法创新，全面覆盖多领域垂直场景，成功推动低空监测实现精准化、高效化、智能化升级！车辆检测、车辆追踪、车辆计数、车牌识别、车辆行驶速度估算、交通信号灯识别、交通标志识别、电子眼检测等（示意图：低空应用算法 — 车辆识
无人机光伏巡检不仅是技术工具的创新，更是光伏电站运维模式的根本变革。它将传统被动式、周期性维护转变为主动式、预防性智能运维，真正实现了光伏电站的数字化转型。在低空经济与能源革命的双重浪潮下，无人机巡检技术正在重新定义光伏电站的运营效率与安全标准。随着技术的不断成熟和商业模式的持续创新，这一领域必将为新能源产业的高质量发展注入强大动力，成为“双碳”目标实现的重要技术支撑。未来，我们期待看到更多“无人
该系统面向无人机选购者（个人 / 企业）、飞手、无人机厂商、行业管理用户（农业 / 测绘 / 安防），基于 SpringBoot 框架开发，打造 “智能推荐 - 设备管理 - 作业管控 - 数据分析 - 售后支持” 一体化的无人机全场景管理平台，解决无人机 “选品与场景不匹配、设备状态难监控、作业过程无规范、数据价值难挖掘” 的核心问题。核心功能涵盖五大模块：场景化智能推荐：用户输入使用场景（农业
在真实世界的视频和图像分析中，企业常面临检测模型原始训练集外物体的挑战。动态环境中频繁出现的新物体、未知物体或用户自定义物体使该问题尤为突出。例如：媒体出版商需追踪用户生成内容中的新兴品牌，广告商需分析 influencer 视频中存在视觉差异的产品，自动驾驶车辆需识别意外路障，制造系统需检测未标注的新缺陷。传统闭集目标检测模型仅能识别预设类别列表，无法处理未知物体，导致误分类或忽略。
在过去两年中，检索增强生成（RAG，Retrieval-Augmented Generation）技术逐渐成为提升智能体的核心组成部分。通过结合检索与生成的双重能力，RAG能够引入外部知识，从而为大模型在复杂场景中的应用提供更多可能性。但是在实际落地场景中，往往会存在检索准确率低，噪音干扰多，召回完整性，专业性不够，导致LLM幻觉严重的问题。本文将聚焦RAG在实际落地场景中的知识加工和检索细节，如
文章介绍了四种文档切分技术：固定大小切分、语义切分、基于文档结构的切片和递归切分。重点讲解了文档结构化分块策略，该策略利用文档自身的自然组织形式（如标题、段落、章节、函数等）进行分块，以保留语义完整性和上下文连贯性，从而提升检索和生成效果。此外，文章还指出递归切分实际上也是固定大小文本切块的一种形式。
随着无人机技术的飞速发展及其在各领域的广泛应用，对无人机飞行性能的精准预测和优化显得尤为重要。本文旨在深入探讨基于 3DRobotics ArduPilot 开源飞控系统的四旋翼飞行器航线轨迹模拟技术。通过对 ArduPilot 架构、姿态解算、导航控制等核心模块的分析，结合仿真平台的使用，实现对无人机在不同环境和任务下的飞行轨迹、姿态变化、速度控制等关键参数的精确模拟。研究成果不仅有助于工程师在
多无人机协同追捕-逃逸问题属于多智能体动态博弈领域，具有军事防御、边境巡逻、灾难救援等应用场景。传统集中式控制依赖全局信息，存在通信延迟、单点故障等问题。分散式策略通过局部感知与自主决策，可提升系统鲁棒性与适应性。
本文提出一种基于多智能体强化学习（MARL）的计算卸载方法，用于无人机辅助边缘计算场景。该方法将任务分配与带宽分配解耦为两个智能体决策，并设计优势评估函数解决信用分配问题。通过建模为马尔可夫决策过程，综合考虑任务依赖性、动态信道状态和能量约束，最小化平均响应时间。仿真验证了算法的收敛性与优越性能。
清华大学本、硕，主要研究方向为强化学习、多智能体系统，在NeurIPS，CoRL，RA-L等会议及期刊上发表多篇论文。清华大学在读博士，主要研究方向为强化学习、无人机，在TMech，RA-L等期刊上发表多篇论文。NeurIPS'25 & CoRL'25｜无人机也能打排球吗？，为大家着重分享他们团队的工作。如果您有相关工作需要分享，欢迎文末联系我们。，为大家着重分享他们团队的工作。：3D视觉工坊很荣
无人机（UAV）正日益成为我们日常生活中的常见景象。这种增长主要受到生产成本下降和应用范围扩大的推动。目前，无人机已在运输、建筑、灾难响应和基础设施检查等领域得到广泛应用。尽管它们与企业内部技术流程的整合仍处于早期阶段，但潜力巨大。无人机在农业、医疗保健以及基础设施和区域管理领域的未来尤其充满希望。此外，无人机在创意专业人士中越来越受欢迎，尤其是在摄影和视频制作领域。虽然无人机具有诸多优势，但也存
实际飞行测试里，无人机在 25 m 窄街以 8 m/s 前行，遇到外卖电动车突然从横巷窜出，系统在 0.25 s 内把速度降到 1.5 m/s 并抬升 2.2 m，从车顶掠过，侧向位移仅 0.4 m，相机画面里电动车头盔中心始终位于画面下 1/3 处，满足“视觉连续”安全规范。得到像素框后，用 EPNP 算法解算相机坐标系下的三维坐标，再用 RTK/IMU 外参把坐标转到世界系，与灯杆 GIS 坐
支持RTMP直播、RTMP推送、HTTP点播、HTTP-FLV直播、HLS直播，并支持关键帧缓冲，画面秒开等多种特性，支持接入Web、Android、iOS、H5、微信等全平台客户端，极大满足企业点播/直播等多场景需求。平台支持HTTP、HLS、RTMP等播出协议，面向Windows、Android、iOS、Mac等终端提供稳定流畅的直播、点播、时移、回看服务，广泛应用到互联网教学、互联网电视、I
本文提出一种基于树莓派平台的无人机人脸检测系统，采用OpenCV和Haar级联分类器算法实现。系统在不同飞行高度下进行测试，实验结果显示，在1.5至5米高度时，真阳性检测率分别为98%、93%、86%和80%，验证了该方案在轻量级无人机应用中的有效性。
它提供了更高的精度、更强大的 SLAM 功能、更强大的摄像头和更轻的有效载荷——总而言之，它是一款全方位更优秀的产品。以 ROCK R3 Pro LiDAR 等系统为代表的无人机 LiDAR 的兴起，正在彻底改变我们捕获和解读空间数据的方式。该支架的设计兼顾精度和耐用性，确保飞行过程中的稳定性和 LiDAR 数据采集的准确性。便携性和多功能性：其紧凑的尺寸和安装在无人机、车辆和手持设备上的能力使其
多智能体编队跟随控制无人车、 无人机、无人船[汽车]matlab 多智能体系统编队控制仿真，非线性，一致性，领导跟随控制，有限时间控制等
一旦识别目标，即可实现全自动捕获、相机变焦追踪，高精度持续跟踪，结合高倍变焦与快速响应直驱电机驱动稳定锁定目标，提供目标的鹰眼捕获图像数据，可提供清晰的视频证据。这在动态、快速移动的小型无人机对抗中，几乎是光学设备中最强的一环。结合大倍率光学变焦 + 高清成像，在几公里外仍能提供可用于司法/指挥决策的清晰图像/视频证据，这是很多雷达或声学设备完全无法提供的“看得见、认得清”的最终确认手段，在重要设
这通常是因为模型参数过多，而训练数据量相对较小，导致模型学习到了训练数据中的噪声或特定模式，而无法泛化到新的数据。依托大规模无人机夜间交通数据集训练，模型泛化性强，对不同拍摄角度、距离及光照变化的车辆均有良好适应性，测试集平均精度（mAP）超过90%，尤其对远处小目标车辆（如摩托车）保持高检测率。原因一：欠拟合：如果训练数据量过小，模型可能无法学习到足够的特征，从而影响预测效果，导致欠拟合，进而使
与传统的优化方法不同，䲟鱼优化算法在搜索过程中不仅考虑到个体的当前状态，还会综合考虑其过去的经验、周围个体的状态以及群体中其他个体的行为，力图通过这些因素的综合作用来提高解的质量。适应度值的不断降低意味着搜索过程正在朝着问题的最优解发展，因此，算法的终极目标就是通过反复的迭代，找到一个能够最小化（或最大化）适应度函数的最优解。个体的适应度值越低，意味着该解越接近问题的最优解，因此在搜索过程中，算法
摘要： MEMS惯性测量单元（IMU）成为爬楼机器人突破稳定性、环境适配与成本瓶颈的关键技术。通过实时监测加速度、角速度等数据，MEMS IMU（如S6507模组）解决了复杂地形下的重心调节、极端环境适应及多传感器协同问题。其小体积、低功耗、高动态响应（2000Hz）特性，结合力传感器、视觉SLAM等融合算法，显著提升机器人在医疗、工业及救援场景的运动稳定性。多传感器协同与算法优化进一步强化了机器
平台首先把卫星影像、街景、三维建模与实时传感器数据统一到 GIS 数据库，实现离线‑在线双模式定位。随后，AI 驱动的热点分析模块通过深度学习识别人流聚集、消费行为和安全隐患，自动在地图上绘制热力图，帮助社区管理和商圈运营快速定位重点。情景模拟与数字孪生功能基于 GIS 的空间约束和 AI 的情景预测，构建“如果‑那么”模型，模拟新店开业、道路改造或公共设施升级对客流的影响。智能推荐引擎结合用户画
本文聚焦于多旋翼无人机在横向飞行过程中的时间最优轨迹规划问题。首先介绍了不考虑旋转动力学时多旋翼无人机的横向飞行动力学模型，接着阐述了基于庞特里亚金最优性条件推导时间最优输入和状态轨迹的方法，并展示了相关数值结果。随后，通过欧拉离散化将时间最优轨迹规划问题构建为非线性规划（NLP）问题，给出了该NLP问题的数值解，并与之前结果进行比较。进一步，将旋转动力学引入横向飞行动力学模型，再次应用NLP方法
无人机直播推流技术在赛事直播场景中的应用已经取得了显著成效。未来随着技术的不断发展和完善，无人机直播推流技术将会更加成熟和稳定，为观众带来更加精彩、震撼的直播体验。同时，随着5G等新型网络通信技术的普及和应用，无人机直播推流技术的传输速度和画质也将得到进一步提升。
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
九章云极普惠算力
NVIDIA DRIVE 智能汽车专区
松山湖开发者村综合服务平台
火山引擎 ADG 社区
DAMO开发者矩阵
