无人机端、边、云算力架构及多模态大模型智慧飞行

n无人机视频及识别特点：

1. 实时而非历史：不同于地面相机，无人机视频是非长时间固定画面，更侧重于实时而非历史录像应用。

2. 垂直及大角度：不同于地面相机，无人机视角多垂直或大角度，同时高度高，具备高点大场景、小目标的特点。

3. 识别模型多样性：地面相机一般依据场景固定识别模型，比如出入口的车辆识别或人脸识别等，无人机视频由于其移动的特点，无法固化识别模型，模型存在多样性，比如需要支持更多的分类识别而非固定几种分类；

4. 识别实时性要求：有些事件识别需要无人机在飞行中快速捕捉，比如事故现场等，需要无人机到达现场后，自动发现并引导无人机到达。

5. 视频实时认知：固定相机可以依据画面的固定背景实现事件的判断，如高速公路应急车道占用，固定相机可通过划区域识别，无人机需要不画线画框识别的，要算法对画面有认知。无人机视频的认知包括通用认知以及根据无人机当前位置的个性化认知。

6. 协同性要求：某些事件需要和无人机飞行以及负载控制联动，类似电力线巡检的事件检测、车牌识别以及车辆跟踪等。

n无人机AI算力架构：

通过无人机机载算力、机场边缘算力以及后台中心算力服务，构建无人机系统的”端、边、云“算力体系。

1. M350/M300：机载AIBOX实现边缘算力，26T-需要实时处理和飞行相关的AI

2. M3T/M30T：机场边缘算力BOX，26T-需要实时处理和飞行相关的AI

3. 后台算力服务：场景化AI、多模态大模型

nEdgeAI边缘算力优势

边缘算力的优势有两点:一、对于成千上万相机，基于边缘AI可以减轻中心算力的压力，便于系统扩展；二、和实时驾驶及实时操控相关，基于边缘算力能提高事件分析的实时性；

n多模态大模型优势

大模型已经训练了上亿张的场景图片和几千种分类，可以轻松应付多样化场景识别的需求；

基于文本的图片标注，降低训练难度，可以边使用边训练，迭代速度更快，新算法上线更快；

视频检索更便捷、更智能；

n算法仓库