提出了一种使用单目摄像头在室内走廊环境中进行视觉导航的新方法，该方法依赖于名为Res-Dense-Net的新型卷积神经网络。即使在视觉线索有限的环境中也能在估计无人机的位置和方向方面实现高精度，显着增强了无人机在各种应用中的能力。

我们采用与位置控制器集成的强化学习算法在使用无人机的 SaR场景中定位失踪的受害者。为了解决目标位置可能会在救援队到达前发生变化的问题，我们将YOLO与光流相结合，使无人机能够跟踪目标受害者。大量的仿真实验证明了该方法在SaR任务中的效果。

研究了动态环境下基于强化学习的无人机任务和路径规划。在场景参数不可预测的情况下，可以通过值函数建立强化学习方法，并给出更合理的路径来实现兴趣点的侦察和检测。该算法能够有效检测由地形限制区域组成的复杂地形中的目标，并返回指定终点完成通信。

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

随着AI技术的狂飙突进，大模型的终极归宿必然是跨界融合的具身智能。无人系统作为承载硅基智慧与现实物理世界互动的先锋载体，将在未来的通用人工智能版图中发挥不可估量的核心作用。在通往具身智能的浩瀚征途中，高保真仿真平台既是护航科研探索的安全底座，也是加速理论走向实践的催化剂。飞思实验室期望通过RflySim这一完整、高效、高扩展的实验基础设施，助力广大高校和科研团队搭建起从“大模型算法创新”到“真实机

随着AI技术的狂飙突进，大模型的终极归宿必然是跨界融合的具身智能。无人系统作为承载硅基智慧与现实物理世界互动的先锋载体，将在未来的通用人工智能版图中发挥不可估量的核心作用。在通往具身智能的浩瀚征途中，高保真仿真平台既是护航科研探索的安全底座，也是加速理论走向实践的催化剂。飞思实验室期望通过RflySim这一完整、高效、高扩展的实验基础设施，助力广大高校和科研团队搭建起从“大模型算法创新”到“真实机

随着AI技术的狂飙突进，大模型的终极归宿必然是跨界融合的具身智能。无人系统作为承载硅基智慧与现实物理世界互动的先锋载体，将在未来的通用人工智能版图中发挥不可估量的核心作用。在通往具身智能的浩瀚征途中，高保真仿真平台既是护航科研探索的安全底座，也是加速理论走向实践的催化剂。飞思实验室期望通过RflySim这一完整、高效、高扩展的实验基础设施，助力广大高校和科研团队搭建起从“大模型算法创新”到“真实机

随着AI技术的狂飙突进，大模型的终极归宿必然是跨界融合的具身智能。无人系统作为承载硅基智慧与现实物理世界互动的先锋载体，将在未来的通用人工智能版图中发挥不可估量的核心作用。在通往具身智能的浩瀚征途中，高保真仿真平台既是护航科研探索的安全底座，也是加速理论走向实践的催化剂。飞思实验室期望通过RflySim这一完整、高效、高扩展的实验基础设施，助力广大高校和科研团队搭建起从“大模型算法创新”到“真实机

基于实物装备传统算法验证手段存在准备时间长、成本高、效率低，尤其在无人集群大规模博弈对抗领域存在对硬件算力要求高、开发环境不完善、训练效率低且训练结果可信度低等问题，急需构建大规模集群训练仿真平台，在仿真平台里对真实环境、真实装备进行等效模拟，建立一对一映射，最终无人系统算法可以在平行仿真训练系统中进行验证、学习及训练，RflySim Cloud平台由此诞生。RflySim Cloud平台通过对不

研究了动态环境下基于强化学习的无人机任务和路径规划。在场景参数不可预测的情况下，可以通过值函数建立强化学习方法，并给出更合理的路径来实现兴趣点的侦察和检测。该算法能够有效检测由地形限制区域组成的复杂地形中的目标，并返回指定终点完成通信。