随着低空经济和智能无人系统的发展，无人机逐渐从传统的遥控飞行平台演化为集环境感知、语义理解与自主决策于一体的空中智能体。近年来，以视觉基础模型、视觉语言模型和多模态大模型为代表的视觉理解大模型，为无人机在复杂开放环境中的感知、理解与决策提供了新的技术范式。围绕无人机视觉理解能力的演进逻辑，本文构建了基础感知—语义推理—决策规划的三层能力分析框架，并以此为主线系统梳理无人机场景视觉理解大模型的研究进展。在任务层面，依据该能力框架构建无人机视觉理解任务体系，归纳了基础目标感知、事件语义分析、空间环境理解与飞行决策规划等典型任务，并分析航拍视觉在尺度变化、远距离观测与复杂动态环境中的关键挑战。在技术层面，沿着同一能力演进逻辑，系统回顾视觉理解方法从传统深度学习算法与视觉基础模型的感知建模，发展到大语言模型与多模态大模型的语义推理与跨模态交互，再到具身视觉—语言—行动模型的智能决策与任务规划的技术演进路径。在此基础上，重点综述视觉理解大模型在无人机视觉感知增强、视觉语义推理以及视觉决策规划三个核心能力维度的研究进展，并分析其在开放词汇感知、跨模态推理、复杂空间关系理解与具身智能决策等方面带来的关键能力提升。同时，对当前无人机视觉理解领域的主流数据集与评测基准进行了系统总结，并分析当前评测体系正由传统任务导向逐步向能力导向评估范式演进。最后，针对无人机平台资源受限、实时推理需求以及系统安全可靠性等问题，对视觉理解大模型在无人机领域未来的发展方向进行了展望。

目的旋转目标检测是遥感图像处理领域的重要任务，针对其存在的角度边界不连续和旋转框参数耦合导致的回归困难两大挑战，本文提出置信度加权引导角度修正的旋转目标检测算法。方法首先，为解决角度边界不连续问题，引入了角度调制模块（Angle Modulation Module， AMM），通过复指数编解码机制将角度映射为连续可微信号，从而使得边界回归平滑。其次，设计三分支解耦回归（Three-Branch Decoupled Regression， TBDR）模块，将传统联合回归检测头解耦为中心坐标、尺度和角度三个独立分支，实现各几何参数的独立学习，解决参数特征混淆与梯度冲突。最后，提出动态角度置信度加权（Dynamic Angle Confidence Weighting， DACW）机制，通过轻量级置信度预测分支量化角度预测可靠性，动态调控AMM模块的修正强度，实现“高置信度预测少修正、低置信度预测多修正”的智能优化。结果实验在DOTAv1.0和HRSC2016两个公开遥感数据集上与其他算法进行了比较，结果验证了本文所提方法的有效性和优越性。所提方法在DOTAv1.0数据集上的mAP达到76.52%，相较基准算法提升了8.09%，在HRSC2016数据集上达90.30%。消融实验进一步证实了所提模块的有效性。结论本文提出了一种置信度加权引导角度修正的遥感旋转目标检测算法，有效解决了角度边界不连续与旋转框参数耦合问题，显著提升了复杂场景下任意方向目标的检测精度。

目的红外与可见光图像融合能够为变电站设备检测提供丰富的特征信息，然而，现有融合算法所生成的图像中目标设备显著性不足、结构信息模糊、与背景区分度较低，导致检测模型难以提取有效的判别性特征，影响检测模型的准确性与鲁棒性。为此，本文提出一种面向变电站设备检测的双分支感知增强红外与可见光图像融合算法。方法本文设计了一种面向变电站设备结构-细节特征的“解耦-增强-融合”框架，通过引入特征增强机制的双路编码架构，有效提升了融合图像中设备的拓扑完整性与特征显著性。具体来说，首先，构建由共享分支与互补分支构成的双路编码架构，实现设备共性结构特征与细节纹理、热特征的有效解耦；其次，针对设备共性结构特征，设计结构增强模块（structure enhancement module， SEM）以强化设备轮廓；针对设备细节纹理与热特征，引入多分支特征增强模块（multibranch feature enhancement module， MFEM）以强化其对设备外观及温度等关键信息的表达；最后，通过共享-互补特征融合模块实现多模态特征有效整合，经由解码器重构出结构清晰、细节丰富的高质量融合图像。结果本文通过在变电站设备红外与可见光图像数据集上的实验表明：在红外与可见光图像融合任务中，本文模型在EN、SF、MI、Q^AB/F、PSNR以及SSIM六项常规指标上均展现了优异的性能。在变电站设备检测任务中，本文算法在悬式绝缘子、柱式绝缘子、电流互感器、电压互感器以及套管上均表现出较高的准确性，在平均准确率（mAP50）方面，较红外图像提升40.1%，较可见光图像提升1.2%，并优于先进图像融合算法3.9%，显著提升了变电站设备检测的鲁棒性。此外，本文通过消融实验与可视化分析进一步验证了算法有效性及模型合理性。结论本文算法显著提升了在变电站场景下，红外与可见光图像融合生成的图像质量以及设备检测性能，相较于单模态图像与现有融合方法具有明显优势，实现了图像融合技术与变电站应用场景的紧密结合，有助于推动多模态融合技术在电力智能巡检中的实际应用与进一步发展。

随着元宇宙与沉浸式人机交互技术的飞速发展，音频驱动的数字人生成（Audio-Driven Talking Head Generation）已成为数字人领域的研究热点。该技术旨在建立从一维语音信号到三维视觉流的跨模态映射，其核心挑战在于在保证唇形精准同步的同时，实现高保真的视觉外观与实时渲染。本文提出了音频驱动数字人通用技术框架，并从技术演进的视角系统梳理了该领域的最新进展。本文回顾了早期的二维（two-dimensional，2D）图像生成方法，分析了其在三维一致性与大姿态驱动上的局限性；进而深入探讨了基于神经辐射场（neural radiance fields，NeRF）的方法，阐述了基于隐式空间建模解决视角一致性的技术方案，并总结该方法面临的推理效率瓶颈；随后，重点综述了当前两大前沿范式：3D高斯溅射（3DGS）范式，其利用显式几何原语突破实时渲染的算力限制；扩散模型（diffusion models）范式，该范式可显著提升生成的细节纹理与动作表现力。此外，本文还归纳了主流的音频驱动数字人数据集与客观评价体系（如唇形同步网络（SyncNet）、Fréchet inception distance（FID）等）。最后，对跨身份泛化、情感与全身交互、以及端侧轻量化部署等开放性挑战进行了深入分析与展望。

随着全球航空运输需求持续增长，单机长体制（single-pilot operation，SPO）成为民航领域应对飞行员短缺与人力成本攀升的核心发展方向。然而，从双人机组向单人驾驶的转变，核心瓶颈在于如何填补缺失副驾驶后产生的认知与决策空缺。为此，“AI副驾驶”概念应运而生，旨在通过具备深度感知、语义理解与自主决策能力的智能系统，与人类飞行员构建认知型协作关系。本文系统梳理了人工智能辅助飞行驾驶的关键技术，构建了“感知-认知-推理-交互决策-安全监控”的系统分析框架。重点阐述了基于脑电图（electroencephalogram，EEG）、功能性近红外光谱（functional near-infrared spectroscopy，fNIRS）及计算机视觉的多模态生理行为感知技术，分析了其在实时监测飞行员负荷与疲劳状态方面的最新进展。同时，针对复杂的陆空通话环境，探讨了基于大模型架构的空管指令意图识别与语义提取技术。此外，文章还归纳了大模型与深度强化学习协同驱动的智能航路规划与冲突解算方法，并深入剖析了当前阻碍AI技术商业化落地的核心壁垒，包括深度学习模型的不可解释性、人机信任机制的缺失以及非确定性智能系统的适航认证困境。最后，本文指出大模型驱动的多模态统一架构与运行时保障适航路径是未来航空人工智能发展的关键方向，旨在为实现高透明度、深层人机协同的智能驾驶舱提供参考。

神经形态计算作为一种受生物神经系统启发的计算范式，旨在通过硬件手段突破传统冯·诺依曼架构的存算分离瓶颈，实现高效、低功耗及大规模并行处理能力。本文综述了面向存算一体应用的神经形态材料与器件的最新研究进展。首先，本文详细探讨了基于不同材料体系的物理机制与器件实现，包括成熟的硅基场效应器件，以及基于忆阻、相变、铁电、自旋和光电效应的新兴材料器件。这些器件利用电阻开关、极化翻转或光电耦合等内禀动力学特性，成功模拟了LTP/LTD 突触可塑性及神经元积分-发放等关键生物功能。其次，文章系统阐述了人工突触与人工神经元的设计策略，涵盖了电学、光学及多物理场融合的器件结构及其在感知与计算中的具体应用。最后，本文从系统集成的角度，分析了突触-神经元协同单元、器件-算法协同优化设计以及大规模神经形态硬件系统在边缘计算、脑机接口和智能机器人等领域的应用前景。本综述旨在为构建下一代高能效、强自适应的类脑智能系统提供全面的材料基础与器件技术参考。