Hilti SLAM挑战赛数据集旨在应对受限环境中开发SLAM算法所面临的挑战，目的在于促进传感器融合的研究。许多学术和工业团体在该数据集上测试了他们的SLAM系统，结果表明对于拟在真实场景中部署的SLAM算法该数据集是重要资产。

分享几款常见的无人机仿真平台！

参赛队伍的知识产权归参赛队伍所有，但大赛组委会有权在相关宣传、展示活动中使用参赛作品的部分内容，以促进具身智能技术的交流。于北京化工大学线下开展，进入决赛的队伍可选择自备符合大赛规定的硬件设备参赛，也可向组委会免费申请使用大赛提供的硬件设备，包括宇树、节卡、卓翼智能等企业的无人机、机器狗、机械臂、人形机器人等。组委会组织线上直播，参赛队伍在规定时间内使用大赛提供的仿真平台和相关工具，开发并运行模型

无论是小型的无人机集群，还是大规模的无人机编队，都可以采用相同的分布式控制策略，只需根据无人机的数量和任务需求进行适当的参数调整即可。这种控制方式能够充分利用强大的后端计算资源，实现复杂的任务规划和精确的协同控制，就如同一个精心编排的舞蹈，每一个舞者（无人机）都按照导演（中心节点）的指令精准地完成每一个动作。分布式控制：灵活而强大 与集中式控制不同，分布式控制将控制权分散到每一个无人机上，每个无人

未来，卓翼智能将进一步促进与包括深圳职业技术大学在内的高校合作，与研究中心共建单位携手并进推动无人机相关技术的研发和应用，为中国绿色航空以及低空经济的发展做出贡献。首先，PX4 和MATLAB/Simulink 的快速开发平台，将为研究中心提供高效的开发环境，加速无人机控制技术的迭代和优化。其次，氢能无人机相对比较大，要在室外飞行，消耗人力也有一点风险，但采用飞思仿真平台，可以在室内安全测试和验证

提出了一种适用于城市地区的垃圾检测方法。借助小型UAV,利用感兴趣区的高分辨率地图、经过训练的深度学习垃圾检测器和基于视觉的定位系统，显着减少无人机导航系统的定位误差。以便为地图中可识别位置不远的物体提供精确到分米级的垃圾位置估计。

介绍了2016年至2021年期间无人机在施工管理中研究的文献综述。无人机用途相关的研究主题包括算法、应用、操作、框架和培训等，通过总结当前无人机在施工管理领域的成果、优点和局限性，为无人机在民用、基础设施和建筑行业的未来应用趋势提供了有价值的参考。

针对无人地面车辆在野外高动态未知环境中缺乏先验信息，在复杂环境下难以执行任务的问题。利用智能无人机感知技术提取可通行导航道路，生成点云瓦片和矢量数据。通过增强地面无人驾驶车辆的自主导航、避障和侦察能力，帮助地面无人车辆快速构建环境模型。

提出一种基于无人机的先探索后利用系统，通过无人机定位和三维环境测绘的两步SLAM、检查和数据收集的安全保证覆盖路径规划算法以及障碍物感知轨迹生成等方法，证明了系统在重建和检查复杂室内环境以实现高效和低成本设施管理方面的稳健性和可行性。

提出了一种面向多个无人机系统的节能地图构建和共享框架。拟议的系统使用边缘服务器合并包含所有同步定位和映射更新的全球地图，为无人机提供高效更新的一致地图。现场测试表明，即使中位丢包率在25%-35%之间，目标检测和分类模型的中位数效率也在95%左右。