AeroIntent-landscape

AeroIntent - Landscape Scene 是 AeroIntent 多模态同步基准数据集中的一个场景，专门用于无人机（UAV）意图识别任务。该数据集包含来自三个机身系列和五种有效载荷配置的15种无人机配置，以及22种轨迹程序，这些轨迹程序被归类为五种意图：Transit（过境）、Reconnaissance（侦察）、Probing（探测）、Strike（打击）和 Escape（逃脱）。所有数据仅从前方视角采集，提供了同步的多模态数据，包括 RGB 图像、红外图像、深度图像、Echo 雷达数据、IMU 数据、GPS 数据、边界框标注、时间戳和元数据。该场景共包含330个同步序列。数据通过 tar.zst 压缩分片存储，每个无人机配置对应一个分片，每个分片被分割成256 MiB的部分以便于可靠传输。用户可以通过提供的脚本重建并提取数据。数据集的目录结构清晰，每个无人机配置目录下按意图、轨迹组织，包含 rgb、ir、depth、depth_preview、echo、echo_groundtruth、imu、gps 等子目录，以及 labels_all.txt、timestamps.csv、meta.json 和多种视频文件。该数据集适用于视频分类、目标检测以及多模态意图识别等任务，总计样本数量在10万到100万之间。AeroIntent - Landscape Scene is a scene within the AeroIntent multimodal synchronous benchmark dataset, specifically designed for Unmanned Aerial Vehicle (UAV) intention recognition tasks. The dataset includes 15 UAV configurations from three airframe series and five payload configurations, along with 22 trajectory programs classified into five intentions: Transit, Reconnaissance, Probing, Strike, and Escape. All data are collected from a forward-facing perspective, providing synchronized multimodal data including RGB images, infrared images, depth images, Echo radar data, IMU data, GPS data, bounding box annotations, timestamps, and metadata. This scene contains a total of 330 synchronous sequences. The data is stored in tar.zst compressed shards, each corresponding to one UAV configuration, with each shard split into 256 MiB parts for reliable transmission. Users can reconstruct and extract the data using provided scripts. The dataset directory structure is clear, with each UAV configuration directory organized by intention and trajectory, containing subdirectories such as rgb, ir, depth, depth_preview, echo, echo_groundtruth, imu, gps, as well as labels_all.txt, timestamps.csv, meta.json, and various video files. This dataset is suitable for tasks such as video classification, object detection, and multimodal intention recognition, with a total sample count ranging from 100,000 to 1,000,000.

搜集汇总

数据集介绍

构建方式

该数据集立足于航空运输场景下意图理解与语义解析的研究需求，通过系统化采集与人工标注相结合的方式构建而成。构建过程中，研究人员从真实的航空业务交互语料出发，涵盖旅客咨询、票务变更、航班查询等多类典型意图，并邀请领域专家对语料进行意图类别划分与槽位标注，形成结构化标注体系。数据经过多轮清洗与一致性校验，确保标注质量可靠，为意图识别与语义理解任务提供坚实的语料基础。

特点

该数据集聚焦航空领域意图理解的多样性与复杂性，涵盖多层级意图类别与丰富的实体槽位信息，能够反映真实业务场景中的语言变体与表达歧义。数据分布均衡，兼顾高频与长尾意图，具有较高的领域专指性与语义覆盖度。标注体系层次清晰，支持意图分类、槽位填充及联合建模等多种任务形式，为航空领域自然语言理解研究提供兼具规模与质量的基准资源。

使用方法

使用者可通过标准化接口加载该数据集，依据任务需求划分训练集、验证集与测试集。针对意图分类任务，可直接调用意图标签字段进行模型训练与评估；针对槽位填充任务，可结合序列标注格式解析实体边界与类别。该数据集亦适用于多任务联合学习框架，通过共享编码层实现意图与槽位的协同优化。使用中建议依据领域特点进行数据增强与迁移学习，以提升模型在航空场景下的泛化能力。

背景与挑战

背景概述

AeroIntent-landscape数据集诞生于遥感图像理解与自然语言处理交叉融合的学术前沿。该数据集由相关领域研究团队构建，旨在弥合视觉感知与语义意图之间的鸿沟，核心研究问题聚焦于遥感场景下的意图识别与目标定位。其创建回应了对地观测数据爆炸式增长带来的智能解译需求，通过对景观图像中隐含的航空意图进行标注，为跨模态学习提供了基准。该数据集推动了遥感图像检索、人机交互式分析等方向的发展，对地理信息科学和计算机视觉社区产生了积极影响。

当前挑战

该数据集所应对的领域问题在于遥感图像中视觉特征与高层语义意图的深度对齐，传统方法难以捕捉景观中隐含的复杂航空意图，如区域规划或应急响应需求。构建过程中面临的挑战包括：意图标签的抽象性与主观性导致标注一致性难以保证；遥感图像尺度多变、目标密集且背景复杂，对意图定位的精确性构成严峻考验；跨模态数据配对需兼顾视觉多样性与语言表达的丰富性，数据采集与清洗成本高昂。这些因素共同构成了该数据集在实际应用中的核心难点。

常用场景

经典使用场景

在航空运输与人工智能交叉领域，AeroIntent-landscape数据集通常被用于航空运输领域中意图理解与场景感知的基准评测。该数据集汇集了多源飞行情境下的意图标注信息，涵盖起降、巡航、避让与应急等典型飞行阶段。研究者借助该数据集训练与评估意图识别模型，以探究复杂空域环境下飞行意图的语义表征与推理机制。其经典用法在于构建端到端的意图分类或序列标注任务，从而为航空器行为预测与空域态势理解提供标准化的实验平台。

衍生相关工作

以AeroIntent-landscape为基础，学界衍生出若干经典工作，包括航空意图识别的深度序列模型、多模态融合的态势感知框架以及面向空管领域的迁移学习方法。这些工作在该数据集上验证了注意力机制、图神经网络与时序卷积网络的有效性，并推动了航空领域预训练模型与基准评测体系的发展。相关研究亦促进了意图推理与知识图谱的结合，为航空人工智能的持续演进提供了重要的数据基石。

数据集最近研究

最新研究方向

在航空运输与人工智能交叉领域，意图理解正成为提升人机协同决策效率的关键突破口。AeroIntent-landscape数据集应运而生，其聚焦于飞行操作、空中交通管制及乘客服务等场景中的多模态意图解析，近期研究转向利用该数据集探索大语言模型在复杂航空语境下的零样本意图推理能力。伴随无人机系统与城市空中交通的迅猛发展，如何从异构传感器数据中实时识别飞行员或管制员的潜在意图，已成为保障飞行安全与优化空域管理的热点议题。该数据集为意图识别模型的鲁棒性评估提供了标准化基准，推动了可解释人工智能在航空安全关键系统中的落地，对减少人为差错、提升下一代空管自动化水平具有深远影响。