该研究提出了一种新的对抗重编程（AR）方法，用于低资源语音指令识别（SCR），并构建了一个AR-SCR系统。实验结果表明，该方法在阿拉伯语和立陶宛语命令数据集上优于现有技术，但在仅有有限训练数据的情况下。

Oct, 2021

本文提出 Aerial Vision-and-Dialog Navigation (AVDN) 技术，利用自然语言对话方式实现无人机的导航，研究使用 AVDN 数据集实现从全对话历史中进行航行的任务，并提出一种有效的 Human Attention Aided (HAA) 基线模型，通过预测导航航点和人类注意力实现自动导航。

May, 2022

本文介绍了一种简单而高效的基于重复的模块化系统，以加速空中交通管制员的培训。该系统通过融合不同的人工智能技术，开发和集成一种伪飞行员代理，实现了对管制员语音通讯的理解，并生成响应以提高其训练效率。

Dec, 2022

本文提出了一种新颖的虚拟模拟飞行员引擎，该引擎利用不同的人工智能工具加速空中交通管制员（ATCo）的培训，并且采用了自动语音识别和理解、高级空中交通管制相关实体解析、文本到语音子模块等先进工具，能够模拟控制操作场景、生成模拟机长的话语并提高实时监视数据的辨识准确度，是首次基于开源ATC资源和AI工具的研究。

Apr, 2023

通过构建一个包含机械故障声音数据集的深度神经网络故障分类器，利用多任务学习和方向分类，成功地对无人机进行了机械故障的检测，相比于单一任务方法，该多任务方法在用较少的训练数据的情况下也能更好地分类故障。

Apr, 2023

用自然语言操控无人机不仅用户友好，还为新兴的语言代理控制无人机打开了大门。使用基于边缘视觉智能、新颖的编程语言设计和提示工程的系统 TypeFly，通过组合任务和场景描述，TypeFly 利用云端大型语言模型服务以一种小型自定义语言 MiniSpec 编写程序，在执行过程中还能利用查询技巧与语言模型进行交互，从而显著降低了 LLM 服务成本和任务执行时间，并大大提高了复杂任务的成功率。

Dec, 2023

无人机与大型语言模型的集成有着重要的潜力，能够推动自治系统的发展，提高数据分析和决策过程的效率，并在紧急情况下实现自主数据处理、改进决策能力和加快响应时间。

May, 2024

航空命令的准确识别对飞行安全和效率至关重要，本文通过改进关键词检测技术来解决语音命令识别中的挑战，如嘈杂环境和有限的计算资源。我们创建了一个标准化的机场塔命令数据集，改进了广播剩余学习，并结合挤压-激发和时间帧频率-挤压-激发技术，从而得到了我们的BC-SENet模型。我们对包括BC-SENet在内的五种关键词检测模型进行了测试，结果显示出更高的准确性和效率。这些发现突显了我们模型改进在嘈杂、高风险环境中提高语音命令识别的有效性，此外，BC-SENet在常见的Google Speech Command数据集上也表现出可比较的性能。

Jun, 2024

本研究针对半自主网络物理系统如何与人类伙伴有效互动的问题，提出了一种结合抽象预警和信息性接管请求的新设计。通过在线实验，我们发现双模态接管请求显著提高了参与者的准确性，并帮助他们更好地识别关键情况，而使用短语而非完整句子并未提高反应速度或准确性。

Sep, 2024

本研究解决了半自主系统与人类控制者之间的有效互动问题，提出了一种结合抽象预警与信息化接管请求的新设计。研究发现，双模态接管请求能够显著提高参与者选择正确解决方案的准确性，并使其更好地识别关键情况。

Sep, 2024