本页主要展示课题组已经完成或正在迭代的系统演示、实验视频和平台照片。整体研究思路和技术体系见“研究方向”页；这里按同样的四个方向归类，便于快速查看具体成果。
方向一：多模态态势感知与世界模型
这一部分展示世界模型/行为预测和VLA语义理解相关结果，主要服务于目标状态理解、行为预测和后续任务规划。
|
（a）预测飞行轨迹（世界模型/行为预测） 2025年 |
（b）VLA语义理解 2024年 |
方向二：AI Agent驱动的任务规划与协同调度
这一部分展示多无人机任务分配、强化学习调度，以及基于AI Agent的多智能体博弈对抗等阶段性结果。
|
（a）多无人机任务分配 2026年 |
（b）强化学习多机调度 2025年 |
（c）基于AI Agent的多智能体博弈对抗（Agent Harness, 2026）
方向三：多智能体具身智能与博弈决策
这一部分展示两类结果：一类是无人机、无人车等实体平台实验；另一类是对抗场景中的策略学习、策略解释和博弈决策。
实体实验支撑：无人机具身抓取、具身智能无人机、RL-based无人车和多场景实验，用于检验策略学习方法在真实平台上的可用性。
（a）无人机具身智能抓取实验 2026年 |
（b）具身智能无人机 2026年 |
（c）RL-based 无人车实验 2026年 |
（d）多场景实验 2026年 |
博弈决策与策略学习：围绕对抗场景中的策略生成、策略解释、扩散策略和多智能体协同/对抗行为展开研究。
|
（e）XAI技术逆向学逻辑树策略（80%效能） |
（f）扩散模型学躲避导弹（注意第8秒-11秒的躲弹动作） |
|
（g）“潜行攻击”2V1（HAPPO, 2025） |
（h）4V2博弈对抗（MAPPO, 2025） |
（i）1v1 坦克对抗游戏 2026年
方向四：轨迹规划与协同控制
这一部分展示轨迹规划、避障、协同覆盖和实体飞行平台相关结果，包括仿真验证和实物实验。
实体实验支撑：四旋翼EGO、DP-AFPNet和手搓FPV用于验证轨迹规划、避障、高速飞行和运动控制算法在真实无人机平台上的落地能力。
（a）课题组手搓四旋翼 EGO 实验（深度相机） 2025年
（b）无人机高速穿越，最大速度 8m/s（DP-AFPNet, 2026） |
（c）手搓FPV 2026年 |
|
（d）固定翼飞机轨迹规划/避障 2025年 |
（e）室内无人机感知与轨迹规划 2025年 |
|
（f）无人机协同覆盖训练（RL） 2025年 |
（g）固定翼EGO避障 2024年 |