标签
# 达拉斯上空的新职业：远程无人机指挥员 随着无人机送货服务在达拉斯地区迅速兴起，一种全新的职业正在悄然诞生——远程无人机指挥员（Remote Pilot in Command，简称 RPIC）。这些专业人员如同空中交通管制员一般，坐在地面控制中心，监控并协调来自 FlyTrex、Zipline、Amazon、Wing 等公司的送货无人机机队。 ## 无人机送货的蓬勃发展 达拉斯-沃斯堡都会区已成为全美无人机送货服务发展最为迅速的地区之一。从日常包裹到医疗物资，再到餐饮外卖，越来越多的商品开始通过空中航线送达消费者手中。多家知名企业在该地区积极布局，包括： - **FlyTrex** — 专注于社区级无人机送货服务 - **Zipline** — 以医疗物资配送闻名 - **Amazon** — 借助其 Prime Air 项目拓展最后一公里配送 - **Wing（Alphabet 旗下）** — 在城市和郊区开展大规模无人机送货业务 ## RPIC：新型空中"指挥官" 在无人机送货的背后，远程无人机指挥员扮演着至关重要的角色。他们的主要职责包括： 1. **实时监控** — 通过地面控制站追踪每架送货无人机的飞行状态、位置和航线 2. **航线协调** — 在繁忙的空域中合理调度多架无人机，避免潜在冲突 3. **应急处置** — 当无人机遭遇恶劣天气、机械故障或空域管制等情况时，及时做出决策 4. **与 FAA 对接** — 确保所有飞行操作符合美国联邦航空管理局的相关法规要求 ## 职业前景 随着无人机送货市场的持续扩张，对合格远程无人机指挥员的需求也在不断增长。这一新兴职业要求从业者具备航空知识、技术素养以及冷静的应急处理能力，正在吸引越来越多的技术人才加入。 可以预见，在不远的将来，像达拉斯这样的城市上空，将会有更多远程无人机指挥员守护着无人机送货的安全运行。
论文提出轨迹接地指令翻译器（TGIT），在冻结的空中VLN导航器前端将简短的用户意图指令翻译为可执行命令，解决训练指令与部署指令之间的"指令差距"，将真实人类指令上的成功率从11.33%提升至32.51%。
介绍了 SatNav，一个基于高分辨率卫星图像构建的可扩展长时程无人机视觉-语言导航基准，包含 18 个城市 59 个场景的 118K 任务，并提出模块化框架 SwiftVLN 及卫星到真实无人机的迁移实验。
本文提出了一种基于Decision Transformer的方法，用于优化无人机搭载RIS辅助的动态D2D通信，展示了跨场景泛化能力和高效的零样本迁移学习。
一项基准测试显示，CABiNet（一种2021年的高效架构）在 UAVid 数据集的实时语义分割任务上，其精度与延迟的权衡优于 YOLO26-sem。
Squire 是一台在军事演习中展示的机器，集成了无人机与无人艇的能力，搭载通信与传感设备进行电子战。
本文介绍了一个GitHub仓库，用于复现一篇关于战场场景中无人机声学检测的论文，解决了噪声、域偏移和弱标签等挑战。该仓库提供了方法代码和评估协议，并附有用于测试的合成数据。
SonicFly，杜克大学的一个研究项目，使UAV能够通过被动监听其飞行声音并使用气动声学感知来拦截另一架无人机。
本文提出了一种基于样本的机器学习方法，用于客观分类多个飞行姿态下的阵风压力载荷测量值，从飞翼模型的3480次测量中识别出九种基本响应类型。
This empirical study compares conversational XAI (powered by LLMs) against a traditional dashboard for UAV intrusion detection auditing, finding the conversational interface improves perceived usefulness but risks operator over-reliance on AI advice.
本文提出了JUROR，一种基于强化学习的框架，在集中训练与分散执行的模式下，联合优化时延容忍网络中的无人机飞行路径和分散式机会路由。
本文提出了一种结合水平集估计的成本感知贝叶斯优化框架，用于引导无人机进行快速灾后损伤评估，在最小化运营成本的同时降低不确定性。
本文介绍了SULAND v2，一个精细化的RGB地表地雷检测数据集和基准，用于UAV/UGV测量，解决了目标检测中的标注错误和域偏移评估问题。
本文提出了一种用于无人机高光谱影像中PFM-1地雷探测的人在回路自举方法，结果表明，使用自举的ACE可以在两轮检查中找出所有目标，而整体ROC-AUC分数掩盖了检测器之间巨大的操作差异。
本系统文献综述研究了面向环境监测的覆盖最大化自主无人机路径规划，分析了562条记录，并报告了关于算法家族、评估指标和验证实践的初步发现。
本文提出了一种统一的模仿学习框架，利用泰勒级数模仿学习和分布鲁棒自适应控制，以应对策略驱动和不确定性驱动的分布偏移，并通过无人机（UAV）案例研究展示了在不确定性下的安全性。
本文提出了一种边缘感知的在线跟踪流水线，用于热红外无人机群跟踪，其核心是自适应运动学卡尔曼滤波器（AKKF），在挑战性条件下平衡了效率和鲁棒性。
本文介绍了SIS-Bench，一个用于通过多模态大语言模型评估无人机具身智能中自我意识与空间认知的基准，并探索了运动感知表示以提升性能。
本文提出了一种基于信道知识地图（CKM）的多无人机巡检轨迹规划框架，利用扩散模型重建高保真信道质量图，并结合图注意力网络与软演员-评论家算法实现通信感知路径规划。
麻省理工学院的研究人员开发了一种新型系统级芯片，使微型机器人能够仅用约6毫瓦功率实时创建其环境的详细3D地图，有望在复杂空间中实现长时间自主导航。