本文介绍使用 TartanAir 数据集进行机器人导航与多种传感器数据采集的相关实验，旨在使用基于大规模数据训练的学习方法，推动 Visual SLAM 算法在真实环境中的应用，并为其提供一种更具挑战性的新基准测试方法。

Mar, 2020

本论文描述了利用 ADS-B 无线电传输来被动采集和标记音频样本的方法，介绍了 AeroSonicDB（YPAD-0523）数据集，该数据集包含用于训练声学检测和分类系统的低空飞行器声音。文中提供了所收集的数据集的摘要，并展示了三个二元分类模型的基准结果，讨论了当前数据集的局限性和未来的潜力。

Nov, 2023

本研究提出了首个基于学习的视觉里程计模型，利用 TartanAir SLAM 数据集中提供的大量多样化的合成数据，采用尺度损失函数和相机内参将模型泛化到多个数据集和真实世界场景中，无需微调即可应用于 KITTI 和 EuRoC 数据集，并在具有挑战性的轨迹上显著优于基于几何的方法。

Oct, 2020

使用基于轨迹图像的深度学习方法预测航空器降落时间，实验结果表明通过集成保持特征提取方法，平均绝对误差（MAE）可以从 82.23 秒降低到 43.96 秒，同时达到 96.1％的平均准确率，其中 79.4％的预测误差小于 60 秒。

Jan, 2024

介绍了一个高质量的航空景象数据集，其中包括大量的合成图像和手动标注的真实着陆图像，以应对自主降落系统中数据不足和缺乏开源数据集的问题并支持跑道检测等任务。

Apr, 2023

提出了一种新的数据管理和预测系统，可准确预测国家空域系统（NAS）特定空域区域内的飞机计数。对美国的大量实际轨迹、天气和空中交通数据进行评估，验证了我们的系统在每个空域部门高效准确地预测飞机计数。

Oct, 2023

本文介绍一种多模式数据集，可用于验证在无法使用全球导航卫星系统（GNSS）的环境中自主导航的算法性能。数据集内容包括船上各种传感器的测量值，其中需要注重船舶 LiDAR 测距仪度测量数据的有效性，并介绍各种传感器系统的详细特性。

Apr, 2023

本研究介绍了一个大规模的合成孔径雷达 (SAR) 机场数据集，旨在为 SAR 图像中机场检测研究提供基准数据，并通过多种深度学习方法的实验验证了数据集的有效性。

Apr, 2022

RarePlanes 是一个独特的开源机器学习数据集，结合了真实和合成卫星图像，并着重探讨了合成数据在卫星影像中自动检测飞机及其属性能力上的价值。

Jun, 2020

AircraftVerse 是一份航空器设计数据集，包含 27,714 种不同的航空器设计，提供了多种物理建模和仿真模型，以预测设计性能指标，且基准代理模型使用了不同的设计表现预测多种数据表征方法，可以帮助机器学习应用于航空器设计及其他 CPS 领域。

Jun, 2023