低空智能：从感知推理迈向群体具身

低空经济产业研究

一、低空研究背景

• 低空经济产业已成为国家新兴支柱产业，市场需求呈现井喷式增长。
• 党的二十届四中全会提出加快低空经济等战略性新兴产业集群发展，预计催生数个万亿元级市场。
• 现有安防巡检应用市场规模超过500亿元，但现有巡检市场存在巨大缺口。
• 低空智能在复杂环境下面临“看不清”、“看不准”和“看不全”的感知挑战，以及语义稀密、空间难解与任务繁复的推理决策挑战，和“不可靠”、“不精准”和“不可控”的具身智能挑战，还有数据缺、自主差、协同难的群体智能挑战。

二、低空数据平台

• 低空环境感知数据呈现出多任务、多模态和多源协同特性，数据集从简单静态到动态复杂不断演进。
• 以SpatialSky为代表的低空“感知-推理-决策”一体化数据集正持续丰富，涵盖仿真和现实场景。
• 以AerialVLN为起点的低空具身智能相关数据集正持续完善，包括真实点云、地标、指令轨迹等。
• 以MDOT为代表的单一视觉感知数据集正向复杂具身推理跨越，推动群体智能发展。

三、低空感知大脑

• 面向低空需求，构建大规模低空视觉感知开放数据平台VisDrone，覆盖超广域场景和高复杂任务。
• 低空智能从环境感知、推理决策到控制执行各阶段割裂，亟需端到端学习范式具身推理。
• 低空智能场景中真实数据采集难度大、成本高，高质量带精确标注真实数据稀缺少量，亟需虚实结合的解决方案。

四、低空典型应用

• 低空城市治理面向低空城市治理现代化需求，发布国创天巡平台，建设雄安低空智城。
• 开发低空智能感知系列教材，建设低空智能产教融合综合实训平台，构建百城空域的数据算法基石。
• 低空智能技术可赋能城市巡检智能化升级，实现从传统人工模式向智能化、标准化、规模化的跨越式升级。

五、核心贡献与结论

• 低空协同学习能够降低贝叶斯误差，包括模态协同性、任务协同性和模型协同性。
• 低空多传感器协同学习可解决低空数据易受环境干扰难题，提出复杂退化自适应建模理论和复杂多退化统一复原范式。
• 低空多任务协同学习可构建覆盖超广域场景，高复杂任务的千万级低空视觉开放数据平台，并研发基于组件功能驱动的高效模型适配框架。
• 低空多机协同学习可解决多机跨视角差异大、目标易受遮挡问题，实现多无人机跨视角协同追踪和围捕。