研究方向

大模型

        智能无人系统环境感知性能依赖于大规模高质量标注数据，但标注成本高昂并且耗时耗力，同时海量的无标注数据信息也未被充分挖掘和利用。围绕环境感知中的目标检测、目标计数、语义分割等任务，研究基于海量未标注数据的大模型以及大小模型的协同学习。

多模态学习

        无人机通过其搭载的多种类型传感器实现对环境的数据采集，如何实现多传感器数据的实时动态配准和融合，是低空智能感知亟需攻克的关键难题。围绕可见光和热红外成像，研究多传感器配准-融合-感知一体化框架以及新一代双光相机，以实现无人机高速飞行状态下的实时鲁棒感知。

多智能体学习

        单个智能无人系统由于视角和模型能力的约束，在复杂环境下无法对环境进行高性能的感知，而多个智能无人系统载体可以通过协同学习，利用多个来源多个视角的互补信息，提高智能无人系统环境感知的精确度和鲁棒性，实现“互帮互助共同成长”。