LAMBDA

LAMBDA是由上海交通大学创建的低空多模态基础数据集，旨在为无人机集成感知与通信研究提供高保真、多模态对齐的基准数据资源。该数据集容量达2.04TB，包含51.8万帧同步数据，涵盖RGB图像、深度图、激光雷达点云、惯性测量单元状态、信道状态信息和雷达合成资源，数据源通过数字孪生管道集成Unreal Engine 5、Cosys-AirSim和Sionna RT等工具生成。数据集构建过程采用高保真场景建模、精细化材料分配和电磁仿真技术，实现了城市、郊区和校园等多场景下无人机轨迹与多模态数据的时空对齐。该数据集主要应用于低空无人机通信、感知、跟踪及多模态无线模型预训练等领域，致力于解决复杂传播环境下无人机协同感知与通信算法验证的数据稀缺问题。LAMBDA is a low-altitude multimodal foundational dataset developed by Shanghai Jiao Tong University, which aims to provide high-fidelity, multimodally aligned benchmark data resources for research on unmanned aerial vehicle (UAV) integrated perception and communication. With a total capacity of 2.04 TB, this dataset contains 518,000 frames of synchronized data covering RGB images, depth maps, LiDAR point clouds, inertial measurement unit (IMU) states, channel state information (CSI), and radar synthetic resources. The data sources are generated via a digital twin pipeline that integrates tools including Unreal Engine 5, Cosys-AirSim, and Sionna RT. The dataset construction adopts high-fidelity scene modeling, refined material allocation, and electromagnetic simulation technologies, achieving spatiotemporal alignment between UAV trajectories and multimodal data across multiple scenarios such as urban, suburban, and campus environments. This dataset is primarily applied in fields such as low-altitude UAV communication, perception, tracking, and multimodal wireless model pre-training, and is dedicated to resolving the data scarcity issue for validating UAV collaborative perception and communication algorithms in complex propagation environments.

原始信息汇总

数据集概述：LAMBDA

LAMBDA（Low-Altitude Multimodal Base Dataset）是一个面向低空无人机（UAV）感知与通信的多模态基础数据集。

核心特点

• 高保真度：通过高保真数字孪生管道生成，包含精细的场景几何、材质分配和无人机的电磁建模。
• 模态多样性：提供同步的RGB图像、深度图、LiDAR点云、惯性测量单元（IMU）状态、无人机姿态、信道状态信息（CSI）和雷达合成资源。
• 场景丰富性：覆盖城市、郊区和校园场景，包含多无人机/多基站设置、夜间条件，以及晴天、雨天、雪天和雾天等多种天气变化。
• 配置灵活性：CSI和雷达资源支持用户自定义天线阵列尺寸、带宽、子载波间隔、啁啾参数，以及平面波或球面波前信道合成。

数据对齐与同步

• 数据在匹配的低空操作条件下共享坐标系和同步帧索引，实现联合描述无线传播、视觉外观、无人机运动、LiDAR感知和雷达感知。

可用性验证

• 通过质量控制、天气和模态可视化，以及两个无人机ISAC相关用例（RGB辅助波束预测、RGB-LiDAR联合无人机定位）评估了数据集的可靠性和可用性。

发布信息

• 论文标题：LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication
• 作者：Lin Zhou, Peichuan Rao, Chenshuo Zhang, Jianhua Mo, Shu Sun, Zhiyong Chen, Meixia Tao
• 提交日期：2026年7月4日
• 学科分类：Signal Processing (eess.SP)
• arXiv ID：2607.03826

搜集汇总

数据集介绍

构建方式

LAMBDA数据集通过高保真数字孪生流水线生成，整合了Unreal Engine 5进行精细几何与纹理的场景构建，Cosys-AirSim用于无人机运动控制及同步采集RGB图像、深度图、LiDAR点云与IMU数据，Blender完成场景网格转换与电磁材料赋值，Sionna RT执行材质感知的射线追踪以生成信道状态信息，CADFEKO模拟无人机雷达散射截面。多模态数据通过统一的帧索引与无人机位姿实现时空对齐，所有记录共享同一坐标系与时间戳，确保视觉、几何、惯性、无线与雷达合成模态的高度同步。

特点

该数据集具备四大核心特征：高物理与视觉保真度，场景包含分米级纹理与精细化电磁材料；模态多样性，同步提供RGB、深度、LiDAR、IMU、CSI及雷达资源；场景丰富性，覆盖城市、郊区、校园等多种低空环境，并包含多无人机多基站配置与晴、雨、雪、雾及夜间条件；灵活配置能力，路径级CSI与雷达合成资源支持用户自定义天线阵列尺寸、带宽、子载波间隔、啁啾参数及平面波与球面波信道模型，适用于远场与近场研究。

使用方法

LAMBDA支持广泛低空无人机感知与通感一体化研究，包括多模态目标检测、跟踪、定位、信道建模、波束管理及跨模态表征学习。用户可通过共享帧索引访问各模态同步数据，利用提供的Python工具包进行CSI可视化、波束标签生成、阵列与子载波后处理，以及FMCW雷达信号合成与可视化。CSI路径级记录允许用户根据自定义天线配置与系统参数重构信道响应，雷达合成代码可结合无人机RCS与雷达参数生成距离-角度图与距离-多普勒图。

背景与挑战

背景概述

随着无人机在自主配送、应急搜救及基础设施巡检等低空场景中的广泛应用，低空通感一体化研究对多模态协同数据的需求日益迫切。然而，现有数据集多面向地面自主驾驶或传统无线通信设计，缺乏专为低空无人机场景构建的、同时涵盖无线传播、视觉外观、三维几何、无人机运动及雷达感知的同步多模态资源。为填补这一空白，上海交通大学的周林、莫建华、陶梅霞等研究团队于2026年发布了LAMBDA数据集。该数据集基于高保真数字孪生管线生成，融合了Unreal Engine 5、Cosys-AirSim、Sionna RT及CADFEKO等先进仿真工具，涵盖城市、郊区和校园等多类场景，支持晴、雨、雪、雾及夜间等多样化环境条件，并提供了2.04TB的同步多模态数据，为低空无人机通信、感知、跟踪及跨模态学习等研究提供了坚实的基准支撑。

当前挑战

LAMBDA数据集面临的核心挑战源自低空无人机通感一体化研究的多维复杂性。在领域问题层面，现有数据集普遍缺乏同时涵盖无线信道、视觉、激光雷达、惯性测量及雷达信号的同步多模态数据，且难以支持用户在可配置天线阵列、带宽和子载波间隔下的灵活信道与雷达仿真，这严重制约了基于学习的通感一体化算法验证与模型泛化。在构建过程层面，该数据集需在统一坐标系下实现各模态的精确时空对齐，包括60Hz全局帧时钟下的RGB、深度、IMU与20Hz激光雷达的帧索引同步，以及基于帧级无人机位姿的离线信道与雷达合成。此外，还需在不同场景中为多样化材料分配精细的电磁参数，并建模雨、雪、雾对射频传播、视觉渲染和激光雷达点云的差异化退化机理，这要求对每个模态的退化进行独立且物理一致的仿真，显著增加了数据生成的工艺复杂度。

常用场景

经典使用场景

LAMBDA数据集的核心应用场景在于为低空无人机通感一体化（ISAC）研究提供多模态对齐的基准数据。研究者可借助该数据集同步获取RGB图像、深度图、LiDAR点云、惯性测量单元状态、无人机位姿、信道状态信息及雷达合成资源，从而在统一坐标系与时间戳下开展视觉辅助波束预测、跨模态无人机定位、环境感知与通信链路联合优化等经典任务。该数据集尤其适用于评估多传感器融合算法在低空复杂场景中的表现，为算法验证与模型训练奠定数据基础。

衍生相关工作

LAMBDA数据集的发布催生了一系列衍生研究工作，推动了低空通感一体化领域的方法创新。基于该数据集的视觉辅助波束预测工作验证了从合成场景迁移至真实场景的可行性，为跨域迁移学习提供了基准。RGB与LiDAR融合的无人机定位方法展示了多模态对齐数据在低样本条件下的高效学习能力，启发了后续的少样本学习与自监督预训练策略。此外，数据集中可配置的信道与雷达参数支持研究者自定义阵列配置与波形设计，衍生出针对近场通信、天气鲁棒信道建模及多用户干扰管理等方向的专项研究，进一步拓展了低空ISAC的数据驱动研究范式。

数据集最近研究

最新研究方向

LAMBDA数据集聚焦于低空无人机通感一体化领域的前沿研究，其核心方向在于融合视觉、无线信道、雷达与激光雷达等多模态信息，以突破传统地面数据集在低空场景中的局限性。该数据集通过高保真数字孪生管道生成，涵盖城市、郊区及校园场景，并支持多无人机、多基站配置及雨、雪、雾等复杂天气条件下的数据采集。其关键创新在于提供时空对齐的RGB图像、深度图、点云、惯性测量单元状态、信道状态信息及雷达合成资源，为RGB辅助波束预测、RGB-激光雷达无人机定位等任务提供了可靠的验证基准。这一资源的发布有效推动了6G网络中通感一体化算法的发展，特别在低空经济与无人机自主作业等热点事件中，为环境感知、轨迹规划与通信优化的联合研究奠定了数据基础。

相关研究论文

• LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication

  上海交通大学·信息科学与电子工程学院 · 2026年