由深圳市人民政府主办的第二十七届高交会于2025年11月14日-16日在深圳举行。作为高交会的重要论坛“中国高新技术论坛”于11月14日举办，论坛主题为：人工智能赋能未来产业发展”。微分智飞（杭州）科技有限公司联合创始人吕熙敏在演讲中谈到，随着低空经济的提出和助力，现在正处于通用飞行具身智能的前夜，空中将大规模用于通用空中任务。
他指出，下一步要不断降低成本，提升硬件的智能程度，覆盖更多的应用场景，从而让空中机器人能够适应更多的任务，在千行百业中得到更加广泛的应用。“相比传统的飞控，我们认为飞行具身大小脑具有任务上限高、部署门槛低、泛化性强、机动性高以及未来有可能实现群脑智能涌现的优势。”
为此，微分智飞做了单体感知决策到群体自主协同，从数学驱动建模优化到数据驱动学习进化的工作，主要研究方向包括：全状态规矩规划，高动态感知与主动规划，全自主飞行集群，端到端灵敏操作，一体化飞行操作，最后把研究成果逐步落地到行业应用。
以下为演讲实录：
吕熙敏：各位朋友，下午好！我是来自中山大学的吕熙敏副教授，同时也是微分智飞的联合创始人，今天我汇报的主题是《飞行机器人技术发展与产业实践，从物理智能到具身智能》。
我们知道2015年在机器人浪潮中自动驾驶得到了迅速的发展，并逐渐得到落地应用。2023年具身智能浪潮中，人形机器人技术得到了快速发展，目前已经有不少Demo展示了未来实现通用地面任务的可能性。空中机器人从2010年开始逐步解决各项技术难题，随着低空经济的提出和助力，现在我们正处于通用飞行具身智能的前夜，空中机器人将大规模用于通用空中任务。
从硬件层面看，计算设备、算力持续提升、体积持续变小，这使得具有支撑它足够算力的空中大脑得以实现。传统无人机通过算力支持以及智能算法演进可以进化为多才多艺的空中机器人。
下一步要不断降低成本，提升硬件的智能程度，覆盖更多的应用场景，从而让空中机器人能够适应更多的任务，从而在千行百业中得到更加广泛的应用。为了实现上述目标，我们需要研发飞行具身大小脑，相比传统的飞控，我们认为飞行具身大小脑具有任务上限高、部署门槛低、泛化性强、机动性高以及未来有可能实现群脑智能涌现的优势。
为了实现该目标，我们做了单体感知决策到群体自主协同，从数学驱动建模优化到数据驱动学习进化的工作，主要研究方向包括：全状态规矩规划，高动态感知与主动规划，全自主飞行集群，端到端灵敏操作，一体化飞行操作。最后我们把研究成果逐步落地到行业应用，成立了微分智飞这家公司。
首先看轨迹规划工作。当前研究存在建模不准确、计算量大、轨迹规划不够合理、避障困难等问题。针对这个问题我们提出了一个MINCO算法，相比传统方法求解效率提升1-2个数量级，可以进行高速避障飞行。在此基础上，我们解决了飞行机器人倒扣180度的难题，用户可以根据特定的意图输入，生成飞行机器人动力安全飞行轨迹。右上角是飞行机器人进行了高动态飞行演示，右下角是更复杂的环境，飞场中有六个环，飞机要依次穿过六个环，我们请了穿越机公开赛第二名的人类选手飞这个轨迹，该选手飞了24次，成功3次，我们的算法飞了8次，成功了8次，可以看到我们算法的先进性和稳定性。
高动态感知与主动规划。在复杂的高速位置环境中，飞行机器人存在载荷有限的问题，导致机载计算平台算力较低，传感器性能受限。当前传感器环境感知能力受限，比如相机受障碍物的遮挡，影响它对目标物的感知能力。比如当车拐到另外一个车后面，飞机没有很合理的规划就可能丢失跟踪期望目标。另一个问题是无法应对高速环境，实用性差。比如针对一些快速物体飞机无法躲开，这会导致飞行机器人安全性能下降。
针对实时性差的问题，我们研究了极低延迟动态感知系统。如右下角所示，该系统可以获得将近1500帧的人类骨架信息。该系统可以躲避高速来袭的物体。想象一下，未来低空经济，飞机在我们周围随处可见，飞机做一些比较低空任务时，比如送个快递，这时候有一个熊孩子拿东西扔飞机，飞机可以快速躲开，包装了飞机的安全使用。
全面主动感知的轨迹规划算法保证汽车高速漂移时飞机也能跟上并很好的拍摄。汽车高速移动时飞机也能实时看到目标降落点并精准降落。我们也跟一些车企合作，实现了落地应用，高速跟拍降落以及在汽车进行漂移时也能很好的把动作拍摄下来。比如仰望，有搭载飞机的一些功能。很多有钱人是愿意买这些全新功能的，给他们带来不同的体验。比如漂移爱好者就希望有一个飞机能自动帮他拍摄。现实中很少有人类飞手可以实现上述需求。
全自主飞行集群方向：针对全自主集群飞行，往往存在高复杂运动冲突，主要表现在任务目标、机间避碰、环境避障相互制约，多个飞机需要进行飞行，飞行过程中要防止飞机和飞机之间碰撞，以及他们还要随时躲避周围的障碍物。这是非常难的问题。传统的研究是依赖外部感知设备，无法适应野外环境。我们团队在全自主集群领域拥有断层式的领先。在国际上首个实现了非结构化场景的自主飞行集群系统，并在Science Robotices上作为封面文章发表。
我们还提出满足1000架超大规模集群算法，在计算效率、规模性、轨迹质量、自助行上基本上是目前断崖式的领先，1000架飞机从四面八方期过来，它们要快速找到避开周围飞机的轨迹。这个问题是非常困难的，该算法可以实时把这个事情做了。从而体现算法的先进性。我们把这些算法进行落地应用，比如集群编队飞行、协同搬运以及在场景重建时，原来是一台飞机进行场景重建，现在可以用多架飞机进行协同重建，结合地图融合就可以快速对一个场地实现快速重建任务。
前面的研究主要是基于数学、物理基础规律，建立精确的模型，然后再优化求解，我们现在希望从数学驱动转换到数据驱动，让飞机机器人具有具身操作、交互、执行等能力。在这方面我们也做了一些工作，比如高机动端到端自主飞行，利用生成式AI针对不管多么复杂的环境都能像人类做一笔画一样的快速生成轨迹。不管环境多么复杂，它的规划效率都是非常稳定的。这个方法在超级空旷的地方可能跟传统方法差不多，但只要环境稍微复杂一点，就可以非常好的打败传统方法，这个方法具有比较好的泛化性。刚刚在峡谷上的固定翼飞机可以使用，花园迷宫里轮足式机器人也可以进行使用。
此外，我们还实现了飞行机器人端到端高机动穿框飞行，飞行机器人仅需要一个机载的相机以及IMU，就可以在任意框上进行穿框飞行。并且只要识别到这个框，并判断是安全的，就能穿过去。传统方法需要外部定位系统，把框的位置标出来，再进行SE3的规划。而该端到端方法无需外部定位，同时成功率也跨越式提高。目前在我们公司里已经实现常态化的Demo，欢迎感兴趣的朋友到公司参观打卡。此外端到端算法比传统方法算力要求更小，我们把端到端算法部署在不到50g的飞行机器人上实现了飞行机器人全自主避障飞行，大幅降低硬件成本。
通过数据驱动方法避开了传统数据复杂度爆炸的问题，使效率和环境复杂度进行解耦，且可以满足轮足机器人、汽车、飞机等多平台的通用，在高精度、高动态、大机动飞行方面，端到端可以有效避免传统分模块的方案各个模块引入的误差，从而实现更好的性能。
我们提出一种可以抓握的仿生人手飞行机器人，验证了该飞行手的抓握，指间夹取、开门等基本动作，还实现了该飞行机器人在家用智能操作的交互，空中栖息、空中运输等功能。如视频所示，人进来后飞机过来给它拿水，帮他倒个垃圾，最后栖息会基站。空中运输，可以无视地形从河对岸运输咖啡过来。该平台还可以进行空中摇操作交互。人形机器人终有一天会成为我们的助理，但是人形机器人也有一个缺陷，没法飞。如果我们给每一个人形机器人部署一个空中小助理，比如当你需要让人形机器人从河对岸拿一个东西时，飞行机器人就可以飞过去帮你拿。
我们还尝试了VLA大模型以及端到端视觉操作强化学习，针对VLA模型，实现了避障、导航、大机动、操作。通过VLA大模型做一个高层决断，决策完之后再调用之前已有的算法。我们的难点是怎么样在飞行机器人有限算力平台实现实时的操作。端到端的视觉操作，不需要依赖外部定位，可以实现更高效和稳定的抓取。
我们在物理智能成果丰硕，在具身智能也已经小露头角，我们相信通过不断地研发投入，终有一天可以实现智能涌现。飞行机器人的应用也将迎来爆发式的增长。微分智飞的使命让飞行机器人连接千行百业，飞入千家万户。在协同性上实现从分布式计算+预设规则到分布式计算+演进规则的能力跃迁，在自主性上实现从L3的限定场景任务规划到L4开放场景自主决策的能力跃迁。
以上是我们一些客户案例，飞行机器人可以完全代替工作人员进入未知危险区域，上面是一些矿井、采空区，它可以高效精准的带回点云和视频数据，全程无需人工干扰，像这个视频没有任何信号，无法进行遥操作，一键起飞飞行机器人即可自主探索，并把地图建好带回来。右边很多场景都有上万立方，我们的平台在不到10分钟即可完成全部任务。
这是我们目前发布的行业应用平台，今天在中山大学的展台也可以看到样机。
我们也在科研教育有所布局，我们相信只有培养好祖国的未来，技术才能更好更快的发展，我们会逐渐将刚刚讲到的一些最新技术下放到这个平台，为飞行机器人社区尽一份贡献。目前已经有六大功能，包括集群协同、目标检测、跟踪飞行、避障飞行等。这是我们产品的图片（见PPT）。我们公司也在大量招聘能人异士，欢迎感兴趣的朋友加入，更多信息可以扫描我们的二维码，包括公司公众号、岗位详情以及实验室的主页，谢谢大家！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
还没有评论，来说两句吧...