空地协同监测：GNSS-Denied UAV+UGV Collaborative Inspection
AiBrainBox-Substation
AiBrainBox-V Air Scout：空中侦察
AiBrainBox-G Ground Inspector：地面精检
*
AiBrainBox Relay Hub：协同中继
*
AI Mission Cloud
应用场景：
-
隧道
-
地铁
-
矿井
-
管廊
-
地下停车场
地下变电站 GNSS-Denied UAV+UGV Collaborative Inspection
包括：
1. 地下变电站
-
封闭空间
-
GNSS完全失效
-
光照复杂
-
EMI（强电磁干扰）
-
通信遮挡严重
2. 地下综合管廊电力舱
-
长走廊
-
多岔路
-
重复纹理
-
低光/无光
3. 室内变电站 / 配电室
-
空间狭窄
-
障碍密集
-
高精设备密布
核心任务
UAV负责-空中快速感知
-
高位巡检
-
顶部设备检测
-
通信中继
-
全局建图
UGV负责-地面精细执行
-
近距离检测
-
声学检测
-
热成像
-
精准复查
所以本质是：
UAV = Scout（侦察）
UGV = Operator（执行）
这是非常典型的空地协同范式。
技术挑战
Challenge 1：GNSS完全拒止
传统无人机：GNSS失效 = 基本"失明"
AiBrainBox-V / UGV 多模态融合：
-
VIO
-
LiDAR SLAM
-
UWB
-
Map Matching
Challenge 2：通信严重受限
地下环境：
-
5G衰减
-
Mesh多跳不稳定
-
墙体阻挡
UAV悬停充当：动态空中中继站
研究方向：
-
Relay placement
-
Dynamic topology optimization
-
Link adaptation
Challenge 3：空地时空对齐
难点：UAV和UGV看到的世界不同。
-
UAV：俯视
-
UGV：平视
跨视角统一地图：
Global Substation Coordinate Frame多机器人协同SLAM
核心：
时序同步：PPS/PTP
外参标定：UAV / UGV / AGH
Shared Map Frame
Challenge 4：任务分工
UAV适合：
快速巡检
-
扫描全局
-
异常初筛
-
热点检测
-
异物识别
全局语义地图
生成：
-
开关柜位置
-
变压器位置
-
通道结构
UGV适合：
近距离精检
比如：
-
局放声学检测
-
接头热异常
-
仪表读数
任务链：
这是一个完整的协同闭环。
技术框架（AiBrainBox视角）
六层：
Layer 1：Embodied Layer
UAV：AiBrainBox-V
传感器：
-
多目
-
固态LiDAR（可选）
-
工业级IMU
-
RTK（地面可用时）
-
UWB
UGV：AiBrainBox-UGV
增加：
-
热成像
-
声学阵列
-
PTZ inspection head
Layer 2：Perception Layer
UAV：全局空间感知
输出：
-
Sparse 3D map
-
Semantic topology
UGV：局部精细感知
输出：
- Dense inspection detail
融合后：
Hierarchical Map
Layer 3：Localization Layer
采用双层定位：
Global Layer（UAV主导）：全局地图构建
Local Layer（UGV主导）：局部高精定位
通过：
Cooperative Relocalization
即：UGV在UAV地图中重定位。
Layer 4：Communication Layer
多链路：
Primary：Mesh
Secondary：5G
Backup：UWB ranging
关键算法：动态链路调度
根据：
-
RSSI
-
latency
-
packet loss
切换链路。
Layer 5：Task Intelligence Layer
LLM/VLA切入点。
任务：
"检查B2区域3号变压器顶部绝缘子"
系统拆解：
这是很完整的 embodied AI。
Layer 6：Mission Cloud
作用：
数据闭环：异常 → 标注 → 重训
数字孪生：地下变电站数字地图
知识库
设备语义知识：
-
变压器
-
母线
-
开关柜
支持语义推理。
科研方向
方向1:GNSS-denied Air-Ground Cooperative SLAM
方向2:Semantic Task Allocation
UAV发现 → UGV执行
方向3:Dynamic Relay Optimization
UAV作为通信中继
方向4:Substation VLA
自然语言："检查温度异常区域"
机器人自主执行。
方向5:Multi-modal Fault Understanding
融合：
-
RGB
-
Thermal
-
Acoustic
-
LiDAR
进行故障理解。