AeroIntent: A Synchronized Multimodal Benchmark for UAV Mission Intent Recognition

📄 arXiv: 2610.25869v1 📥 PDF

作者: Yutong Chen, Jingxin Mao, Zhiwei Wei, Bing Li, Jianzhong Ni, Rongqing Zhang

分类: cs.RO

发布日期: 2026-10-19

备注: 8 pages, 7 figures

💡 一句话要点

提出AeroIntent基准以解决无人机任务意图识别问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 无人机意图识别 多模态数据 雷达与视觉融合 任务意图推理 基准测试

📋 核心要点

  1. 现有多模态无人机数据集主要支持检测和跟踪，缺乏对任务意图识别的有效评估。
  2. 提出AeroIntent基准和AeroMIR推理器，结合多种传感器数据进行无人机意图识别。
  3. AeroMIR在严格的评估协议下实现71.56%的准确率，显著超越传统基线，展示了强大的性能。

📝 摘要（中文）

可靠识别无人机的任务级意图对于低空空域监控和安全至关重要。现有的多模态无人机数据集主要支持检测、跟踪和定位，缺乏对任务意图识别的评估。为此，我们提出了AeroIntent，一个基于仿真的基准，包含990个同步的多模态序列，涵盖五种任务意图。基准提供雷达、RGB、红外和深度观测数据，并设定了程序不重叠、雷达缺失和观测前缀的评估协议。基于此基准，我们提出了AeroMIR，一个结构化的多模态意图推理器，结合雷达轨迹、行为特征、视觉证据和任务知识进行无人机意图识别。在严格的程序不重叠协议下，AeroMIR在未见战术实现的评估中取得了71.56%的平均准确率和69.84%的平均Macro-F1，超越最强的轨迹基线和传统的雷达-RGB融合基线。AeroIntent和AeroMIR为多模态无人机意图识别提供了可复现的基础。

🔬 方法详解

问题定义：本论文旨在解决无人机任务意图的可靠识别问题。现有方法在多模态数据集上主要集中于检测和跟踪，缺乏对任务意图的全面评估，尤其是在未见轨迹和不完整雷达历史的情况下。

核心思路：论文提出了AeroIntent基准和AeroMIR推理器，旨在通过整合雷达轨迹、行为特征和视觉证据来提升无人机意图识别的准确性和鲁棒性。通过多模态数据的结合，AeroMIR能够更全面地理解无人机的任务意图。

技术框架：AeroIntent基准包含990个多模态序列，涵盖五种任务意图，提供雷达、RGB、红外和深度观测。AeroMIR则通过结构化的推理过程，结合多种数据源进行意图识别，主要模块包括数据预处理、特征提取和意图推理。

关键创新：AeroMIR的核心创新在于其候选基础的意图识别方法，能够在严格的程序不重叠协议下进行评估，显著提升了识别性能，与现有方法相比具有本质的区别。

关键设计：在模型设计中，AeroMIR采用了多模态特征融合策略，并在损失函数中引入了针对意图识别的优化目标，确保模型在不同数据源下的鲁棒性和准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在严格的程序不重叠协议下，AeroMIR实现了71.56%的平均准确率和69.84%的平均Macro-F1，分别超越最强轨迹基线7.79个Macro-F1点和传统雷达-RGB融合基线19.32点，展示了显著的性能提升。

🎯 应用场景

该研究的潜在应用领域包括无人机的空域监控、安防巡逻和智能交通管理等。通过提高无人机任务意图识别的准确性，能够有效提升无人机在复杂环境中的自主决策能力，具有重要的实际价值和未来影响。

📄 摘要（原文）

Reliable recognition of mission-level UAV intent from multimodal observations is essential for low-altitude airspace surveillance and security. Existing multimodal UAV datasets primarily support detection, tracking, and localization, leaving limited support for evaluating mission-intent recognition across held-out trajectory programs and incomplete radar histories. We introduce AeroIntent, a simulation-based benchmark comprising 990 synchronized multimodal sequences generated by 22 trajectory programs across five mission intents. The benchmark provides radar, RGB, infrared, and depth observations, together with program-disjoint, radar-gap, and observation-prefix evaluation protocols. Building on this benchmark, we propose AeroMIR, a structured Multimodal Intent Reasoner that integrates radar trajectories, derived behavioral features, selected visual evidence, and task knowledge for candidate-based UAV intent recognition. Under a strict program-disjoint protocol evaluating unseen tactical realizations, AeroMIR achieves a mean accuracy of 71.56% and a mean Macro-F1 of 69.84% across three seeds, outperforming the strongest trajectory-only baseline by 7.79 Macro-F1 points and a conventional radar-RGB late-fusion baseline by 19.32 points. AeroMIR also demonstrates strong performance under controlled radar gaps and early intent recognition settings. AeroIntent and AeroMIR provide a reproducible foundation for multimodal UAV intent recognition. The benchmark is available at: https://anonymous.4open.science/r/AeroIntent