Notes & Technical Exploration
Avec trois articles en cours sur la planification de trajectoires sans conflit, la planification à trois couches de centaines d'UAV et la planification de détection active 3DGS basée sur la théorie de l'information comme noyau, nous replanifierons l'itinéraire de l'article de suivi sur le cerveau nuageux incorporé à basse altitude et à basse altitude, le réglage fin du grand modèle vertébral, l'accélération de l'inférence et la collaboration logicielle et matérielle.
Sur la base de l'article A/B/C existant et des itinéraires ultérieurs sur le cerveau des nuages à basse altitude, l'intelligence incarnée et l'accélération d'inférence, combinés à des recherches en ligne et à un examen strict par trois Claudes indépendants, nous planifions l'orientation d'articles sur les drones à basse altitude qui pourraient véritablement atteindre le niveau Nature/Nature Communications.
Déterminez si l'article B est plus adapté à la partie C du TR et planifiez le contexte, les méthodes associées, la définition du problème, l'itinéraire de l'algorithme, les données expérimentales, les conclusions attendues, les points d'innovation et le plan de promotion.
La v1 positionne RA-L pour une publication rapide, et l'enseignant exige qu'il soit publié en premier. Cet article repositionne le travail du FIM-3DGS en tant que technologie habilitante pour l'économie à basse altitude/le trafic aérien urbain, et précise dans la compilation du 23/05/2026 qu'il sera actuellement reporté et réservé en tant qu'orientation technologique habilitante de détection active.
La v2 se concentre sur les soumissions aux principales conférences de l'AAAI : complétant plus de 30 conférences régulières réelles et citables/journaux de premier plan/documents pré-imprimés clés, approfondissant les indicateurs expérimentaux, les schémas de comparaison et d'ablation et les protocoles expérimentaux reproductibles de VERA-UAV, et fournissant une preuve mathématique d'exhaustivité relative.
Sans tenir compte de la structure de la thèse de doctorat, l'itinéraire de sortie prioritaire de la revue pour l'article F sera repensé, en se concentrant sur la couverture des scénarios critiques pour la sécurité des drones, les tests accélérés, l'assurance des risques et les applications d'urgence à grande vitesse.
Planifiez comment entraîner ou affiner le LLM pour en faire un agent vérifiable dans le cerveau du nuage de trafic à basse altitude, et formez le premier document de conférence AAAI/IJCAI, des revues de transport de suivi et un itinéraire général de transformation des agents incarnés.
Planifiez complètement les questions de recherche, le positionnement de la soumission, la conception de l'algorithme, la construction des données, la sélection du modèle, le déploiement local, le plan expérimental, les indicateurs d'évaluation, les conclusions attendues, la conception des graphiques, le contrôle des risques et le plan d'exécution pour le premier document de conférence CloudBrain-Agent.
Dans le cadre de l'objectif principal du premier trimestre, les itinéraires papier pour les drones à basse altitude, le cerveau des nuages de transport à basse altitude, la couverture des scènes, la planification et la planification formelle sont réorganisés, et les priorités à court terme, le positionnement des soumissions, les limites narratives du système de transport et les entrées de planification spéciales sont clarifiées.
Plusieurs itinéraires papier sont prévus pour la génération de scènes critiques pour la sécurité des drones, la couverture de scènes, la corrélation de scènes ville-locale et les instructions d'allocation des ressources de sauvetage d'urgence à grande vitesse.
Enquête approfondie sur les meilleurs articles dans le domaine de la reconstruction active FIM+3DGS+UAV, définissant les questions de recherche qui peuvent être soumises à l'ICRA/RA-L et fournissant un énoncé complet des points d'innovation, de la conception expérimentale, des sources de données de simulation et des chemins de soumission.
Triez systématiquement la valeur de recherche de 18 articles sur les drones à basse altitude dans le blog, identifiez les cinq directions ayant le plus grand potentiel de publication et fournissez leurs déclarations de points d'innovation respectives, les revues cibles, les listes d'expériences supplémentaires et les délais suggérés.
Analyse systématiquement les principaux problèmes et les idées de solutions de la planification d'itinéraires urbains de drones à basse altitude, couvrant les méthodes A*, RRT*, APF, FM², MILP, ORCA et MARL, avec une dérivation mathématique et des équations complètes.
Expliquer le fondement de la théorie de l'information de la détection active à partir des premiers principes : informations de Fisher, limite inférieure de Cramér-Rao, informations mutuelles et son application dans les travaux SLAM tels que FIT-SLAM et la modélisation continue de l'information.
Analyse approfondie des trois principaux paradigmes de LLM pour la planification de missions de drones : LLM en tant que planificateur, LLM+PDDL symbol planning et LLM+RAG, couvrant des travaux de pointe tels que VoxPoser, ActiveGAMER et l'architecture à double processus.
Explication détaillée des méthodes de pointe NBV + NeRF/3DGS : cartographie gaussienne active ActiveGAMER, cible proxy SO-NeRF, collecte de données autonome AutoNeRF, couvrant la frontière d'intersection des champs de détection active et de rayonnement neuronal
Présentation du paradigme de base, de l'architecture de base et des travaux représentatifs de la navigation VLM+UAV, couvrant les derniers articles tels que LogisticsVLN, OmniVLN et ASMA
De la construction des données à la mise au point du déploiement, nous vous apprendrons étape par étape comment utiliser LoRA/QLoRA pour affiner le LLM open source afin de créer un modèle expert dans le domaine des transports.
Analyse approfondie des deux itinéraires de pointe du LLM en tant que cerveau de planification des drones : ① Planification de sécurité neuro-symbolique (LLM génère une planification en langage naturel → vérification formelle LTL/STL → exécution de trajectoire dont la sécurité est prouvée) ; ② Collaboration multi-UAV en langage naturel (LLM agit comme intermédiaire de négociation aérienne pour réaliser le partage d'intention et la renégociation dynamique). Couvre la conception architecturale, les algorithmes de base, les articles clés et les orientations futures.
Basé sur l'architecture de co-simulation CARLA et SUMO, l'algorithme PPO est utilisé pour entraîner les véhicules autonomes à prendre des décisions autonomes de changement de voie dans des flux de trafic mixtes. Explication détaillée du mécanisme de synchronisation du double émulateur, de la conception de la fonction de récompense et des résultats expérimentaux de formation en 10 000 étapes.
Analyse approfondie de l'application du modèle vision-langage-action (VLA) dans la planification de trajectoire d'UAV, passant au peigne fin l'itinéraire d'évolution de la planification sémantique unique de bout en bout à la planification sémantique hiérarchique, couvrant des travaux clés tels que RT-2, OpenVLA, Compositional Foundation Models, LangStrands, etc., analysant pourquoi l'architecture hiérarchique est la solution optimale pour UAV VLA et donnant des directives de mise en œuvre.
De l’apprentissage par renforcement multi-agents aux réseaux de neurones graphiques, nous recherchons systématiquement des solutions aux problèmes de répartition de drones à grande échelle. Couvrant l'allocation globale des tâches au niveau macro (MARL/GNN/Attention), la coordination des conflits au niveau méso (QMIX/MAPPO/GNN) et l'évitement d'obstacles en temps réel au niveau micro (MPC/ORCA), en abandonnant les méthodes hors ligne telles que la planification entière, en se concentrant sur des itinéraires d'apprentissage différenciables de bout en bout et en analysant les défis d'ingénierie réels dans les scénarios de trafic aérien urbain (UAM).
Enregistrez comment j'ai conçu deux compétences OpenClaw, recherche sur papier + vérification sur papier, pour créer un ensemble de flux de travail de recherche de documents académiques qui mettent l'accent sur « réel et vérifiable ». Principes de base : ne pas générer de fausse littérature, recherche manuelle + tri assisté par outils, et coopérer avec la direction de Zotero pour former une boucle fermée complète de la récupération à la révision.
Concours conjoint d'algorithmes publicitaires Tencent KDD 2026, tâche de prédiction du taux de conversion pCVR. Utilisez l’intégration multimodèle LightGBM/DIEN/DeepFM, combinée à la conception étanche LOO Target Encoding. En se concentrant sur la découverte du secret des horodatages Unix dans content_seq/item_seq (les valeurs nulles sont un remplissage plutôt que des comptes d'actions), l'ingénierie des fonctionnalités v3 a amélioré l'AUC de 0,6738 à 0,7517 (Bootstrap p<0,0001, statistiquement significatif). Conclusion honnête : 0,75 est proche de la limite de 1 000 échantillons et l'ASC attendue pour les données complètes est de 0,85 %+.
Examen de l'application des jumeaux numériques et du rendu neuronal dans la modélisation de l'espace aérien urbain des drones, couvrant les derniers travaux de TRO/TITS/RAL/IROS 2022-2025
Aperçu de l'application des plateformes de synthèse et de simulation de données multimodales dans la planification urbaine des drones, couvrant les derniers travaux de NeurIPS/ICRA/IROS/TRO 2022-2025
Examiner les progrès de la recherche sur la cartographie sémantique et la perception des zones fonctionnelles dans la planification d'itinéraires urbains de drones, couvrant les derniers travaux du CVPR/ICCV/IROS/RAL 2022-2025.
Examiner systématiquement les méthodes de modélisation spatiale tridimensionnelle dans la planification d'itinéraires urbains de drones à basse altitude, couvrant la grille d'occupation 3D, l'effet canyon urbain et le modèle en couches de l'espace aérien.
Aperçu de l'application de NeRF/3DGS dans la détection active et la planification d'itinéraires d'UAV urbains, couvrant les derniers travaux de CVPR/ICCV/NeurIPS/IROS/ICRA 2022-2025
Discussion approfondie des trois aspects majeurs de l'extraction, du traitement et de la classification des connaissances dans la construction de la base de connaissances RAG, en analysant les scénarios applicables et les limites du LLM, en évaluant les limites des capacités des outils externes tels que Claude Code CLI / Gemini CLI, et en proposant une architecture hybride combinant une bibliothèque d'analyse dédiée et un flux de travail d'agent.
Une analyse approfondie de la pile technologique complète de la base de connaissances RAG (récupération/intégration/base de données vectorielles/réorganisation) et le guide complet de réglage fin du LLM (LoRA/QLoRA/full fine-tuning/SFT/RLHF), de la conception de l'architecture à la mise en œuvre du projet, avec comparaison des frameworks traditionnels et suggestions de sélection.
Examiner systématiquement la méthode de construction de l'environnement de simulation de scénarios de conflit multi-avions pour drones, couvrant la comparaison des plates-formes de simulation traditionnelles, la modélisation dynamique, la conception de l'espace d'état, la définition des conflits, la construction de fonctions de récompense et les scénarios de test de référence, avec des exemples complets de multi-framework Gym/Gazebo/AirSim.
Analyse approfondie de l'architecture d'intégration de MARL (QMIX/COMA/MAPPO/MADDPG) et de GAT, et explique comment réaliser un apprentissage de bout en bout de la résolution des conflits de cluster d'UAV, du gradient politique à la structure graphique sous-jacente, dans un article.
Analyse approfondie des algorithmes d'identification et de résolution des conflits dans les systèmes multi-UAV, couvrant les méthodes géométriques, les méthodes d'optimisation, la collaboration multi-machines et les méthodes d'apprentissage, des algorithmes classiques à l'examen de pointe des systèmes de progrès
Quand "Le Livre des Changements" rencontre l'inférence bayésienne - une exploration approfondie des similitudes entre la divination à six lignes et les chaînes de Markov dans la gestion de l'incertitude
Un essai explorant comment Jacques Lacan a recadré la psychanalyse freudienne à travers le prisme de la linguistique structurale – et pourquoi l'idée selon laquelle « l'inconscient est structuré comme un langage » est toujours importante.
Une réflexion sur l'évolution du contrôle des feux de circulation — des détecteurs de boucle et plans fixes à l'apprentissage par renforcement et aux véhicules autonomes connectés.
Une analyse approfondie des réseaux de neurones fondés sur la physique, des principes au code, vous apprend étape par étape comment implémenter PINN à l'aide de PyTorch et visualise le processus de formation.
Mon premier article de blog, viens me dire bonjour !
Un article du premier auteur SCI Q3 présente une approche d'apprentissage par renforcement pour coordonner la conception de la canalisation et le comptage des rampes pour les zones de tissage d'autoroutes urbaines.