linronghe/U2USim-2

U2UData-2是首个针对长视野任务（LH tasks）的大规模无人机群自主飞行数据集，也是首个可扩展的无人机群数据在线收集和算法闭环验证平台。该数据集由15架无人机在自主协作飞行中捕获，包含12个场景、720条轨迹、120小时的飞行数据、每条轨迹600秒、432万帧LiDAR数据和1296万帧RGB数据。此外，数据集还包括亮度、温度、湿度、烟雾和气流值等环境参数，覆盖所有飞行路线。平台支持模拟器、无人机、传感器、飞行算法、编队模式和长视野任务的定制。通过可视化控制窗口，用户可以一键在线部署收集定制数据集，并通过闭环仿真验证算法。U2UData-2还引入了一个野生动物保护的长视野任务，并提供了9种最先进模型的全面基准测试。

U2UData-2 is the first large-scale swarm UAV autonomous flight dataset for Long-Horizon (LH) tasks and the first scalable swarm UAV data online collection and algorithm closed-loop verification platform. The dataset is captured by 15 UAVs in autonomous collaborative flights for LH tasks, comprising 12 scenes, 720 traces, 120 hours, 600 seconds per trajectory, 4.32M LiDAR frames, and 12.96M RGB frames. This dataset also includes brightness, temperature, humidity, smoke, and airflow values covering all flight routes. The platform supports the customization of simulators, UAVs, sensors, flight algorithms, formation modes, and LH tasks. Through a visual control window, this platform allows users to collect customized datasets through one-click deployment online and to verify algorithms by closed-loop simulation. U2UData-2 also introduces an LH task for wildlife conservation and provides comprehensive benchmarks with 9 SOTA models.

搜集汇总

数据集介绍

构建方式

U2USim-2数据集依托于自主构建的可扩展无人机集群仿真平台，通过集成15架无人机在长时域任务中的自主协同飞行进行数据采集。该平台支持仿真器、传感器、飞行算法及编队模式的自定义，并允许用户通过可视化控制窗口一键部署在线采集流程。数据涵盖12个场景、720条轨迹、总计120小时的飞行记录，每条轨迹持续600秒，包含432万帧激光雷达数据与1296万帧RGB图像，同时沿飞行路线同步记录亮度、温度、湿度、烟雾及气流等多模态环境参数。

特点

该数据集专为长时域无人机集群自主飞行任务设计，突破了现有数据集仅聚焦于特定基础任务的局限。其核心特点在于模拟了长时域任务中必须处理的长期依赖关系、持续状态维护与动态目标适应等复杂挑战，而非简单的基础任务拼接。数据集还引入了野生动物保护这一典型长时域应用场景，并提供了9个主流模型的综合基准测试结果，为算法评估提供了标准化参考。数据以PPM二进制图像格式存储，并附有格式转换工具。

使用方法

用户可通过HuggingFace页面或邮件联系获取完整数据集及百度云下载链接。数据集配套提供Windows与Linux双平台的仿真环境打包版本，以及基于API的算法控制、键盘控制与可视化交互控制器AirDrone。使用前需确保PC配置满足最低要求（内存32GB以上，显卡RTX 4080或7900 XTX），并支持Xbox One或PS5手柄操控。Linux环境下可结合ROS与AirSim ROS包进行数据获取，详细教程与代码仓库已在文档中提供。

背景与挑战

背景概述

在低空经济蓬勃发展的浪潮中，无人机集群自主飞行技术成为推动其前行的核心引擎，尤其在长时域任务场景下，其重要性愈发凸显。然而，现有研究多局限于特定基础任务，受限于数据集规模与多样性，难以在真实世界中部署以应对长时域任务。这类任务并非基础操作的简单串联，而是要求系统具备处理长期依赖、维持持久状态并适应动态目标变化的能力。为此，Tongtong Feng、Xin Wang等研究者在2025年提出了U2UData-2数据集，由清华大学等机构联合构建，旨在填补大规模无人机集群自主飞行数据集的空白。该数据集通过15架无人机在12种场景中的协同飞行，采集了包含720条轨迹、120小时飞行数据的海量多模态信息，涵盖激光雷达、RGB图像及环境参数，为长时域任务研究提供了坚实的数据基石，对推动无人机集群自主飞行技术的发展具有里程碑式的影响。

当前挑战

U2UData-2数据集所面临的挑战首先体现在解决长时域任务这一核心领域问题上。与短时基础任务不同，长时域任务要求模型在数十分钟乃至数小时的连续飞行中，维持对环境的稳定感知与决策，同时应对光照、气流等动态环境变化以及任务目标的实时切换，这对现有算法的泛化性与鲁棒性构成了严峻考验。其次，在数据集构建过程中，挑战同样显著：如何协调15架无人机在复杂场景下进行无碰撞的协同飞行，并确保传感器数据的时间同步与空间对齐；如何设计涵盖12种场景、720条轨迹的多样化任务，以模拟真实世界中野生动植物保护等长时域应用；此外，数据采集平台需支持自定义仿真器、传感器与飞行算法，实现一键部署与闭环验证，这对系统架构的灵活性与稳定性提出了极高要求。

常用场景

经典使用场景

U2USim-2作为大规模无人机集群自主飞行数据集，其最经典的使用场景聚焦于长时域（Long-Horizon）任务的算法验证与模型训练。该数据集包含12种复杂场景、720条飞行轨迹，每条轨迹持续600秒，总计120小时的飞行数据，涵盖4.32M激光雷达帧与12.96M RGB图像帧，并同步记录光照、温度、湿度、烟雾及气流等多模态环境参数。研究者可借助此数据集训练和评估无人机集群在长期依赖、状态持续保持与动态目标迁移等挑战下的协同导航与决策能力，尤其适用于野生动物保护等真实长时域任务基准测试。

衍生相关工作

基于U2USim-2数据集，衍生了一系列推动无人机集群自主飞行领域发展的经典工作。例如，论文《U2UData-2: A Scalable Swarm UAVs Autonomous Flight Dataset for Long-horizon Tasks》首次提出了长时域任务基准，并评测了9种最先进模型。该平台的可扩展架构催生了多种定制化仿真环境与算法验证框架，如结合ROS的AirSim接口与AirDrone控制器的集成方案，为后续研究提供了标准化工具链。此外，数据集中包含的多模态环境参数（如烟雾、气流）激发了关于鲁棒感知与适应控制的新研究方向，促进了集群智能在复杂动态场景中的理论突破。

数据集最近研究

最新研究方向

面向长时域任务的无人机集群自主飞行数据集与仿真验证平台成为低空经济与生态保护交叉领域的前沿热点。U2UData-2作为首个大规模、可扩展的集群自主飞行数据集，突破了传统方法仅聚焦基础任务的局限，通过15架无人机在12种场景中协同采集120小时轨迹数据，涵盖4.32M激光雷达帧与12.96M RGB帧，并创新性地融合了环境感知参数（温湿度、烟雾、气流等），为长时域依赖建模与动态目标迁移研究提供了关键支撑。该数据集特别引入野生动物保护这一具有社会影响力的长时域任务，结合9种SOTA模型的综合基准，强化了集群智能在复杂生态监测中的实用价值。其配套的在线闭环验证平台支持仿真器、传感器与飞行算法的一键定制与部署，为低空经济中自主协同系统的鲁棒性验证与标准化评估开辟了新路径。