基于端（AIBrainBOX）－边（AGH）－云（AI Mission Cloud）－人（GCS）的可扩展、可协同、可演进的无人化系统体系架构USA

Unmanned Systems Architecture Framework

无人系统体系架构框架

面向低空无人系统的"分布式智能控制与协同体系"，以 AIBrainBOX 为机载智能核心，以 AGH 为空地协同与 C2 中枢，以新一代 GCS 为态势与指挥界面，覆盖 UAV / UGV / USV / 机器狗，支持 GNSS 可用与拒止环境。

背景与问题

低空无人机从"单机"走向"系统"
GNSS 不可靠成为常态
多平台、多任务、多链路的复杂性失控

解决方案

AIBrainBOX = 机载侧的"任务级飞控 + 感知 + 通信 + 数据大脑"
AGH = 空地协同与多载具系统的"通信 / 控制 / 计算枢纽"
GCS = 面向人的"态势理解与任务编排界面"

低空无人系统时代的「分布式控制与智能体系」

架构图

1️⃣ 产品总览

产品线	产品名称	核心定位
机载智能	AIBrainBOX	任务级智能控制与感知中枢
空地中枢	AGH（Air-Ground Hub）	空地协同与智能枢纽
地面控制交互	Next-GCS	多无人系统态势与任务编排
云端AI任务	AI Mission Cloud	模型 / 策略 / 数据闭环
记录审计	FDR / Data Vault	飞行事实与合规记录

端（AIBrainBOX）---边（AGH）---云（AI Mission Cloud）---人（GCS）
构成可扩展、可协同、可演进的低空无人系统操作体系

AIBrainBOX（机载侧）

AIBrainBOX 是部署在无人系统机载侧的任务级智能核心，
位于传统飞控之上，负责感知、决策、通信与协同控制。

AIBrainBOX = 机载侧的 FCC + MCC + DataLink + AI Mission Brain

AIBrainBOX 的三种形态

AIBrainBOX-C：通 + 算 + 控
AIBrainBOX-P：通 + 感 + 算 + 控
AIBrainBOX-N：通 + 感 + 算 + 控 + 卫惯

模块级架构

原厂飞控专注于硬实时控制与飞行安全，
AIBrainBOX 通过 Mission API 与其解耦协作。

AIBrainBOX = FCC 之上的"智能控制层（Mission + Perception + C2）

分层架构

A.4 核心功能模块（功能级）

1️⃣ Flight Adapter Layer（必须）

DJI PSDK
MAVLink v2（PX4 / ArduPilot）
可扩展私有飞控

PRD 要求：
新增飞控 ≠ 改动上层逻辑

2️⃣ Mission Control Module

起降控制
航点 / 路径
编队 / 跟随
应急状态机

3️⃣ Perception & Fusion（P / N 型）

Camera / LiDAR 接入
GNSS / IMU / SLAM
GNSS 拒止 fallback

4️⃣ Communication Manager

5G
Mesh
卫星（预留）
链路质量评估与切换

5️⃣ Video & AI Pipeline

视频解码
AI 推理
结果结构化输出（非 raw）

6️⃣ Data & FDR Interface

事件驱动记录
只追加
时间戳统一

A.5 非功能需求（军用/行业必写）

启动时间 < X 秒
掉电保护
Watchdog
模块失效不影响飞控安全

AGH（Air-Ground Hub）

AGH 是多无人系统的通信、控制与智能协同中枢，
是整个系统的"边缘大脑"。

AGH = 分布式无人系统的 C2 + Data + AI 枢纽

AGH = 多无人系统的空地协同与智能控制枢纽

通信枢纽
集群调度
边缘 AI

AGH 是一个"空---地---云---人"协同的分布式智能中枢，核心作用是：

统一通信、统一控制、统一智能决策，支撑多无人机、多执行体、多链路的协同运行。

AGH 的三大能力总览

能力层	本质角色	解决什么问题
通信中枢	"网络与数据中枢"	多链路、多设备、复杂环境下连得上、不断、可控
控制中枢	"任务与状态中枢"	多无人系统能统一调度、不打架、可接管
智能中枢	"决策与认知中枢"	从"遥控系统"升级为半自主 / 协同智能系统

AGH 是无人系统的"空地协同智能中枢"，通过通信中枢保障连接、通过控制中枢统一调度、通过智能中枢实现协同决策，使 AIBrainBOX 从"单机智能"升级为"系统级智能"。

三种部署形态

AGH－Cloud
AGH－Edge
AGH－Mixed

复制代码

AGH 是"无人系统的边缘控制与智能节点"，
可以没有人，但不能没有它。

GCS－Next（下一代地面站）

GCS 是面向指挥员、调度员、行业用户的态势理解与任务编排系统，
而不是飞手遥控界面。

新一代 GCS =「人机态势界面」

它的变化点：

多载具（UAV / UGV / 狗）
多目标
多维数据（视频 + 3D + 轨迹）
非飞手导向，而是指挥员导向
多目标
多平台
人在"决策环"，不是"操作环"

GCS 不做决策，只呈现与下发

AI Mission Cloud

AI Mission Cloud =

多模态 AI 推理的「控制平面 + 编排平面 + 模型注册中心」

端侧 AI 的"大脑协调者"
云端 AI 的"认知与任务规划层"

AI Mission Cloud 分层架构

架构分 4 层

① AI Runtime Layer（端侧）

YOLO / Depth / Tracking
CLIP Embedding（可选）
推理状态监控

② Semantic Abstraction Layer（端 → 云）

Detection Schema
Embedding Schema
Event Schema

③ Mission Reasoning Layer（云端）

CLIP / VLM
规则引擎
多模态关联推理

④ Task Orchestration Layer（云端）

任务 DSL
状态机 / 行为树
VLA（可选）

AI Mission Cloud 不是一个算法平台，而是一个多模态 AI 推理与任务编排的基础设施。它通过端侧实时感知（YOLO）与云端语义推理（CLIP / VLM），为无人系统提供可扩展、可组合、可合作的 AI 能力。

2️⃣ AIBrainBOX

AIBrainBOX = FCC + MCC + DataLink

FCC（Flight Control Computer） → 任务级
MCC（Mission Control Computer）
多链路 DataLink 汇聚节点

三种形态

🟦 AIBrainBOX-C（Control）通 + 算 + 控

位姿：来自本体飞控
控制：SDK / Mission Command
典型：DJI、行业多旋翼

🟦 AIBrainBOX-P（Perception）通 + 感 + 算 + 控

位姿：来自本体
传感器：LiDAR / 相机及雷视融合
能力：空间感知/认知，DAA / 3D 语义感知
面向：低空复杂环境-避障

自带 GNSS + IMU
GNSS 拒止可运行（VINS、LIO、LVIO）
多模态融合定位（GNSS+LiDAR+Video+IMU)
面向：高价值场景

3️⃣ 飞控适配

飞控适配AIBrainBOX

Phase 1｜厂商 SDK

DJI PSDK
道通PSDK

Phase 2｜开源飞控

PX4
ArduPilot
MAVLink v2

👉 建议：
实现 Flight Abstraction Layer（FAL）

Takeoff / Land
Waypoint / Follow
Formation
Emergency

4️⃣ AGH ---空地通信、控制及智能中枢

AGH 是多无人系统的通信、控制与智能协同枢纽

AGH 的三大中枢能力

① 通信中枢

5G
宽带自组网
卫星
异构链路融合

② 控制中枢（任务级）

集群调度
空地协同
权限管理
C2 转发

③ 智能中枢

边缘推理
大模型代理
云-边协同

5️⃣ 新一代 GCS-Next

GCS 是"态势理解 + 任务编排 + 决策支持系统"

5.1 核心能力

多 UAV / UGV / USV
视频 + BEV + 地图
多目标态势
任务流程图（Mission Graph）
AI 建议（而非自动）

5.2 GCS 与 AGH 的关系

AGH 是大脑，GCS 是眼睛和手

6️⃣ 数据 / FDR / 合规体系

6.1 FDR 的准确定位

FDR ≠ 存储
FDR = 飞行事实记录器

6.2 数据来源

飞控
AIBrainBOX
AGH
GCS 操作事件

6.3 为什么必须要 FDR

事故复盘
责任界定
商业保险

通过 AIBrainBOX 将传统无人机升级为具备智能感知、
多链路通信与协同能力的智能节点；
通过 AGH 实现多无人系统的空地协同与智能调度；
通过新一代 GCS 为人提供全局态势与决策支持；
最终构建可在 GNSS 受限环境下运行的低空无人系统基础设施。

面向无人系统的 VLAM（Vision-Language-Action-Model）:通过多模态感知与语义理解，实现无人平台在 GNSS 拒止与复杂环境下的自主决策与执行

VLAM 运转逻辑

云端理解"要做什么"，
端侧判断"现在发生了什么"，
VLA 决定"下一步做什么"，
FAL 负责"怎么做"，
飞控负责"把动作变成物理世界"。

VLAM 不是新的 AI 模型，而是一种让多模态感知、语义理解和物理执行形成闭环的无人系统架构。

AIBrainBOX + AGH + AI Mission Cloud 已经构成了完整的 VLAM

VLAM 模块	对应系统
感知层	AIBrainBOX
语义感知层	CLIP（端 + 云）
VLA 决策层	AIBrainBOX + AGH
行为抽象（FAL）	AIBrainBOX
任务理解 / 规划	AI Mission Cloud
协同 / 多体	AGH

地下管廊无人机巡检（GNSS 拒止）

任务描述（自然语言）：

"进入 3 号管廊，巡检电缆支架，如发现异常发热或结构异常，悬停并上报。"

Step 0｜任务进入系统（云端）

AI Mission Cloud

接收自然语言任务
LLM解析为：
- 区域：3 号管廊
- 目标：电缆支架
- 异常：发热 / 结构异常
- 行为：悬停 + 上报

👉 这里用的是云侧 LLM／CLIP，但不下动作

Step 1｜任务语义下发（AGH）

AGH 将任务拆成：

子任务 1：进入区域
子任务 2：巡检目标
子任务 3：异常处理

并以 语义 + 约束 形式下发到 AIBrainBOX。

Step 2｜端侧感知启动（AIBrainBOX）

感知层

LiDAR → 空间结构
Camera → 视觉
IMU / VIO → 定位

物理目标识别

YOLO：识别 "电缆 / 支架 / 异物"

Step 3｜语义确认（CLIP 端侧）

CLIP-lite 执行：

"当前看到的是否符合'电缆支架'？"
"是否符合'异常'语义？"

👉 这一步是 VLAM 的语义闭环起点

Step 4｜VLA 决策层介入（核心）

VLA 决策层判断：

当前状态：巡检中
语义事件：发现异常
风险：低
任务约束：需要悬停

👉 输出决策：

调用 FAL：Hover + TrackTarget

Step 5｜FAL → 飞控执行

FAL：Hover(position, heading)
HAL / 飞控：姿态控制
云台：对准目标

Step 6｜状态回传与任务更新

图像 + 语义标签回传
AGH 更新任务状态
Mission Cloud 决定：
- 继续巡检
- 或返航
- 或等待指令

Step 7｜任务完成 / 异常恢复

若通信中断：

AIBrainBOX 继续本地策略
保证安全与可解释性

VLAM 构成

VLAM 模块	本质	是否已有	对应系统
多模态感知	看世界	✅	AIBrainBOX
物理目标感知	看"物体"	✅	YOLO（端）
语义感知	看"意义"	✅	CLIP（端 / 云）
任务理解	知道要干嘛	✅	LLM
决策闭环（VLA）	决定下一步	⚠️	AIBrainBOX + AGH
行为抽象（FAL）	把决策变成动作	⚠️	AIBrainBOX
执行接口	控制物理世界	✅	飞控 / HAL

场景一｜低空行业巡检（UAV + AGH）

应用对象

电力
管廊
港口
油气

架构特点

单 AGH + 多 AIBrainBOX-UAV
GNSS 为主，感知辅助
视频与 3D 语义为核心

场景二｜GNSS 拒止环境（地下 / 城市峡谷）

应用对象

地铁
地下管廊
隧道
军事设施

架构特点

AIBrainBOX-N
多模态融合定位
AGH 做中继与协同

场景三｜空地协同 / 集群（UAV + UGV + 狗）

应用对象

军用
应急
大型安防

架构特点

多平台统一 Mission
AGH 为调度核心
GCS 为态势中枢

基于端（AIBrainBOX）－边（AGH）－云（AI Mission Cloud）－人（GCS）的可扩展、可协同、可演进的无人化系统体系架构USA