基于语言大模型与多模态视觉技术的感知与作业系统

人工智能学院

Complex Scene Perception and Operating System Based on Large Language-Visual Models and Multimodal Visual Technology

本项目研究的远期成果将是一套完整的依托无人机器人集群实现的快速多模场景孪生解决方案，并尝试探索具身智能在复杂场景中感知作业的能力。主要目标用户是专业的搜救队、科考队以及军警单位等，随着相关概念的普及化其目标用户也将逐渐转向一般产业，甚至走进千家万户。值得注意的是本项目的早期成果即三维场景重建产生的环境模型更有可能率先应用于游戏场景开发，为其提供更加丰富且真实的环境细节。